基于穩(wěn)定興趣與興趣演化模型的用戶行為數(shù)據(jù)分析與應(yīng)用.pdf

1、目前推薦引擎在各個(gè)領(lǐng)域都得到廣泛的認(rèn)可，很多推薦引擎考慮到了用戶興趣的因素，但是大部分推薦引擎對(duì)于用戶興趣的關(guān)注比較單一，沒(méi)有將用戶相對(duì)穩(wěn)定的興趣和興趣的演化很好地結(jié)合起來(lái)，其預(yù)測(cè)的準(zhǔn)確性有待提升。當(dāng)前的推薦引擎針對(duì)性較強(qiáng)，但是對(duì)于通用性的考慮不足，導(dǎo)致在某個(gè)領(lǐng)域效果較好的推薦算法，難以運(yùn)用到其他領(lǐng)域。
　　課題在深入分析傳統(tǒng)的用戶偏好模型的基礎(chǔ)上，在用戶偏好模型上引入穩(wěn)定興趣和興趣演化的概念，建立了將上述兩種興趣有機(jī)結(jié)合的新的用

2、戶偏好模型，并進(jìn)一步將其提升為通用模型。首先，本文針對(duì)推薦系統(tǒng)中常用的個(gè)性化推薦算法在國(guó)內(nèi)外的發(fā)展現(xiàn)狀進(jìn)行了綜述，對(duì)相關(guān)理論和技術(shù)進(jìn)行了介紹。在傳統(tǒng)的用戶興趣模型基礎(chǔ)上，借鑒心理學(xué)的相關(guān)理論，將心理學(xué)的穩(wěn)定興趣和興趣演化的概念運(yùn)用到用戶興趣的分析和計(jì)算，提出了穩(wěn)定興趣的通用模型和規(guī)律性演化的一般模型。同時(shí)，嘗試使用關(guān)聯(lián)規(guī)則解決興趣矩陣稀疏性問(wèn)題，解決了個(gè)性化推薦系統(tǒng)的冷啟動(dòng)問(wèn)題，在較少的數(shù)據(jù)量的情況下實(shí)現(xiàn)準(zhǔn)確的推薦。結(jié)合以上因素，通過(guò)不

3、斷修正通用模型的參數(shù)，尋求符合特定環(huán)境下在用戶行為較少的情況下的最佳穩(wěn)定興趣推薦模型。當(dāng)有新用戶訪問(wèn)應(yīng)用的時(shí)，應(yīng)用后臺(tái)推薦模型會(huì)分析用戶所處的環(huán)境和用戶的特征，給用戶做最佳推薦，當(dāng)用戶在應(yīng)用上留下痕跡后，后臺(tái)系統(tǒng)會(huì)根據(jù)用戶痕跡，利用興趣演化模型來(lái)修正針對(duì)個(gè)人的穩(wěn)定興趣，并且推斷用戶的近期興趣。
　　本文采用了某母嬰用品APP的相關(guān)社區(qū)的近一年的用戶信息、帖子、圈子、知識(shí)以及用戶的行為日志數(shù)據(jù)，該數(shù)據(jù)集經(jīng)過(guò)預(yù)處理后得到9823672