隨著智能手機(jī)的用戶約來(lái)越多,手機(jī)應(yīng)用也得到快速發(fā)展。據(jù)統(tǒng)計(jì),現(xiàn)在Google Play和App Store的手機(jī)應(yīng)用數(shù)量都已經(jīng)超過(guò)了一百五十萬(wàn)。在海量應(yīng)用中找到符合自己需求的應(yīng)用需要耗費(fèi)用戶大量精力。手機(jī)應(yīng)用和傳統(tǒng)產(chǎn)品一樣有自己的評(píng)價(jià)系統(tǒng),用戶在下載使用應(yīng)用后可以給應(yīng)用相應(yīng)的評(píng)分和評(píng)論。新用戶在尋找應(yīng)用時(shí)除了查看應(yīng)用信息之外,另一個(gè)主要參考因素就是用戶的評(píng)論信息。面對(duì)海量的應(yīng)用和評(píng)論數(shù)據(jù),用戶無(wú)法全部查看這些信息之后做出決策,因此,需要一個(gè)有效的推薦系統(tǒng)來(lái)解決用戶面臨的信息過(guò)載問(wèn)題。傳統(tǒng)的推薦算法,如協(xié)同過(guò)濾算法等,都是將推薦的產(chǎn)品看作是靜態(tài)不變的單元,產(chǎn)品的特性不會(huì)隨著時(shí)間推移而變化。然而手機(jī)應(yīng)用與傳統(tǒng)產(chǎn)品的一個(gè)很大的不同是手機(jī)應(yīng)用的特性會(huì)隨著新版本的推出而變化,因此對(duì)于手機(jī)應(yīng)用的推薦來(lái)說(shuō),傳統(tǒng)的算法并不準(zhǔn)確。為此在進(jìn)行手機(jī)應(yīng)用推薦時(shí),應(yīng)該將手機(jī)的動(dòng)態(tài)特征考慮進(jìn)去,這樣就能一定程度上提高手機(jī)應(yīng)用推薦的精度。本文基于手機(jī)應(yīng)用的動(dòng)態(tài)特性和同類應(yīng)用競(jìng)爭(zhēng)篩選機(jī)制,提出了一個(gè)手機(jī)應(yīng)用推薦算法。該算法通過(guò)跟蹤、學(xué)習(xí)并抽取動(dòng)態(tài)手機(jī)應(yīng)用特征,篩選出有競(jìng)爭(zhēng)力的同類應(yīng)用推薦列表。本文提出的手機(jī)應(yīng)用推薦算... 

【文章來(lái)源】：北京理工大學(xué)北京市 211工程院校 985工程院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景及意義
    1.2 研究綜述
        1.2.1 市場(chǎng)現(xiàn)狀
        1.2.2 學(xué)術(shù)現(xiàn)狀
    1.3 研究?jī)?nèi)容
第2章 相關(guān)理論
    2.1 文本挖掘
        2.1.1 文本預(yù)處理
        2.1.2 文本挖掘分析技術(shù)
    2.2 LDA主題模型
    2.3 傳統(tǒng)推薦算法概述
        2.3.1 協(xié)同過(guò)濾算法
        2.3.2 基于內(nèi)容的推薦
        2.3.3 關(guān)聯(lián)規(guī)則
    2.4 本章小結(jié)
第3章 手機(jī)應(yīng)用及其推薦特征研究
    3.1 手機(jī)應(yīng)用的相關(guān)概念
    3.2 手機(jī)應(yīng)用特征分析
        3.2.1 應(yīng)用數(shù)量繁多
        3.2.2 評(píng)價(jià)機(jī)制完善
        3.2.3 版本變化頻繁
        3.2.4 滲透力強(qiáng)
    3.3 手機(jī)應(yīng)用推薦特性分析
        3.3.1 手機(jī)應(yīng)用信息的獲取
        3.3.2 用戶信息的獲取
        3.3.3 手機(jī)應(yīng)用推薦的獨(dú)特之處
    3.4 本章小結(jié)
第4章 基于動(dòng)態(tài)特征和同類篩選的應(yīng)用推薦
    4.1 改進(jìn)的手機(jī)應(yīng)用推薦
    4.2 手機(jī)應(yīng)用的動(dòng)態(tài)特征抽取
    4.3 推薦列表的二次篩選
        4.3.1 用戶偏好的獲取
        4.3.2 推薦列表生成
    4.4 本章小結(jié)
第5章 實(shí)驗(yàn)及結(jié)果驗(yàn)證
    5.1 數(shù)據(jù)準(zhǔn)備
        5.1.1 數(shù)據(jù)抓取
        5.1.2 數(shù)據(jù)處理
        5.1.3 數(shù)據(jù)清理
        5.1.4 劃分訓(xùn)練集與測(cè)試集
    5.2 評(píng)價(jià)指標(biāo)
    5.3 實(shí)驗(yàn)設(shè)計(jì)
        5.3.1 主題模型分析獲得用戶興趣
        5.3.2 同類競(jìng)爭(zhēng)機(jī)制下的用戶偏好
        5.3.3 推薦列表的生成
    5.4 實(shí)驗(yàn)結(jié)果及對(duì)比實(shí)驗(yàn)
        5.4.1 相似鄰居數(shù)量對(duì)推薦效果的影響
        5.4.2 綜合得分系數(shù)β對(duì)推薦效果的影響
        5.4.3 對(duì)比實(shí)驗(yàn)及比較結(jié)果
    5.5 本章小結(jié)
總結(jié)與展望
    論文工作總結(jié)
    未來(lái)工作展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于Python的新浪微博爬蟲研究[J]. 吳劍蘭.  無(wú)線互聯(lián)科技. 2015(06)
[2]LDA模型下書目信息分類系統(tǒng)的研究與實(shí)現(xiàn)[J]. 李湘東,廖香鵬,黃莉.  現(xiàn)代圖書情報(bào)技術(shù). 2014(05)
[3]個(gè)性化推薦系統(tǒng)綜述[J]. 王國(guó)霞,劉賀平.  計(jì)算機(jī)工程與應(yīng)用. 2012(07)
[4]基于場(chǎng)論的聚類算法[J]. 遇鐵齡,張化祥.  計(jì)算機(jī)工程與設(shè)計(jì). 2010(21)
[5]文本分類中特征權(quán)重因子的作用研究[J]. 張愛華,靖紅芳,王斌,徐燕.  中文信息學(xué)報(bào). 2010(03)
[6]協(xié)同過(guò)濾系統(tǒng)項(xiàng)目冷啟動(dòng)的混合推薦算法[J]. 郭艷紅,鄧貴仕.  計(jì)算機(jī)工程. 2008(23)
[7]基于向量空間模型的文本聚類算法[J]. 姚清耘,劉功申,李翔.  計(jì)算機(jī)工程. 2008(18)
[8]中文分詞技術(shù)[J]. 李淑英.  科技信息(科學(xué)教研). 2007(36)
[9]基于郵件過(guò)濾的中文郵件語(yǔ)料庫(kù)構(gòu)建[J]. 李軍輝,朱巧明,李培峰.  計(jì)算機(jī)應(yīng)用與軟件. 2007(08)
[10]文本挖掘技術(shù)研究進(jìn)展[J]. 袁軍鵬,朱東華,李毅,李連宏,黃進(jìn).  計(jì)算機(jī)應(yīng)用研究. 2006(02)

碩士論文
[1]基于社交網(wǎng)絡(luò)的移動(dòng)應(yīng)用推薦系統(tǒng)研究及應(yīng)用[D]. 李迎辰.重慶大學(xué) 2014
[2]基于Android終端的物聯(lián)網(wǎng)數(shù)據(jù)管理系統(tǒng)研究[D]. 鮑蕾蕾.北方工業(yè)大學(xué) 2013
[3]推薦系統(tǒng)中信息相似度的研究及其應(yīng)用[D]. 高鵬.上海交通大學(xué) 2013
[4]基于標(biāo)簽協(xié)同過(guò)濾算法在微博推薦中的研究[D]. 胡大偉.內(nèi)蒙古科技大學(xué) 2012



本文編號(hào)：3099495