基于時(shí)空上下文感知的移動(dòng)推薦模型研究.pdf

1、伴隨著通信技術(shù)的快速發(fā)展，人們已經(jīng)邁入了移動(dòng)互聯(lián)網(wǎng)時(shí)代。這意味著人們可使用移動(dòng)設(shè)備隨時(shí)隨地接入互聯(lián)網(wǎng)。在中國(guó)，強(qiáng)大的手機(jī)用戶群體不僅決定了移動(dòng)互聯(lián)網(wǎng)的市場(chǎng)潛力，而且就移動(dòng)互聯(lián)網(wǎng)的有關(guān)領(lǐng)域也有非常光明的研究前景。面對(duì)龐大的用戶行為數(shù)據(jù)，研究移動(dòng)互聯(lián)網(wǎng)不論對(duì)于推動(dòng)市場(chǎng)經(jīng)濟(jì)還是改變互聯(lián)網(wǎng)格局都有重大意義。
　　論文從移動(dòng)互聯(lián)網(wǎng)商務(wù)的真實(shí)用戶-商品行為數(shù)據(jù)出發(fā)，同時(shí)加入了移動(dòng)時(shí)代特有的地理位置信息，通過(guò)挖掘用戶數(shù)據(jù)發(fā)現(xiàn)數(shù)據(jù)背后的豐富內(nèi)容，

2、利用隨機(jī)森林和梯度漸進(jìn)回歸樹組合算法，搭建商品推薦模型，為處在移動(dòng)環(huán)境下的用戶在合適的時(shí)間、地點(diǎn)精準(zhǔn)推薦商品。
　　本文首先對(duì)移動(dòng)推薦系統(tǒng)的產(chǎn)生背景做了介紹，再對(duì)比了移動(dòng)推薦與傳統(tǒng)推薦在技術(shù)層面上的不同，并概述了移動(dòng)推薦的研究框架和移動(dòng)推薦在實(shí)際生活中的應(yīng)用。針對(duì)移動(dòng)推薦精確度不足的問(wèn)題，本文從兩個(gè)角度進(jìn)行優(yōu)化。
　　1)預(yù)處理階段。本文對(duì)數(shù)據(jù)中的異常點(diǎn)進(jìn)行檢測(cè)，排除異常點(diǎn)，提出了一個(gè)基于角度方差的多層次高維數(shù)據(jù)異常檢測(cè)算法

3、HODA。算法運(yùn)用粗糙集理論計(jì)算屬性權(quán)重降維；利用數(shù)據(jù)分布劃分并對(duì)網(wǎng)格進(jìn)行分類，篩選出可能存在異常點(diǎn)的網(wǎng)格，降低計(jì)算數(shù)據(jù)量。最后利用角度方差因子計(jì)算候選網(wǎng)格中數(shù)據(jù)點(diǎn)的異常值，判斷數(shù)據(jù)的異常情況。實(shí)驗(yàn)表明算法在運(yùn)行時(shí)間上有明顯優(yōu)勢(shì)，且能有效識(shí)別高維數(shù)據(jù)集中的異常點(diǎn)。
　　2)預(yù)測(cè)階段。針對(duì)正負(fù)樣本極不平衡的問(wèn)題，采用聚類加權(quán)降采樣的方式增加樣本抽取的典型性。通過(guò)分析時(shí)間和空間兩方面因素構(gòu)建特征工程，并用隨機(jī)森林算法篩選有效特征。組合