基于异构信息网络聚类的app推荐算法研究

《基于异构信息网络聚类的app推荐算法研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究_m_4'txlrT,得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得逝姿态堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者虢嘲双伶签字吼≯『6年弓月9日学位论文版权使用授权书本学位论文作者完全了解迸姿盘堂有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权盘姿盘堂可以将学位论文的

2、全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：f匀显叉伶导师签名：始L签字日期：力c6年弓月勺日签字日期：加肜年弓月夕日万方数据浙江大学硕士学位论文摘要移动应用(MobileApplication，APP)市场采用推荐技术将APP推荐给不同的用户，以此帮助用户从海量的APP中发现感兴趣的内容。但是由于APP所处领域的限制，APP推荐存在一系列的问题，例如APP使用分布容易出现重头和长尾现象、数据稀疏问题、冷启动问题等。其中，重头和长尾现象的出现不利于APP领域的发展

3、，数据稀疏问题则限制了推荐算法的效率，而且随着APP数量的增长，这些问题将日益突出。Netflix竞赛的出现在很大程度上推动了推荐领域的发展，但是APP推荐算法研究还不成熟。目前移动应用市场APP推荐算法主要集中在关联推荐、热门推荐以及新品推荐等，这些传统的推荐方法没有从根本上解决APP推荐面临的问题。随着APP市场的日益完善，APP市场将拥有更加完备的APP信息以及用户信息，如何利用这些信息帮助解决APP推荐面临的一系列问题变得十分重要。针对APP数据集特点，本文提出将排序方法、聚类技术与推荐算法相结合，共同挖掘APP多维度文本数据中蕴藏的关系信息，在此基础上开展

4、基于异构信息网络聚类的APP推荐算法研究。第一，构造多维度文本组成的APP信息网络模型，包括用户、APP、描述文本、发布者信息以及分类信息等。第二，通过两种排序算法获取附属类型对象的排序分布。第三，在排序分布的基础上建立一个针对中心类型的混合概率生成模型，使用EM算法估计参数的最优值，然后依据贝叶斯理论获得对象的后验概率，根据对象的聚类分布重新划分类簇。第四，根据APP以及用户聚类结果开展两种不同的协同过滤算法，即基于伪评分的IBCF(Iterm—BasedCollaborativeFiltering)算法以及基于时间衰退的UBCF(User-BasedCollab

5、orativeFiltering)算法。本文采用360手机助手应用市场中的数据集进行实验分析，实验结果表明本文提出的APP推荐算法能够增强APP推荐的实际效果。关键词：异构信息网络，排序，概率生成模型，聚类，协同过滤万方数据浙江大学硕士学位论文AbstractMobileApplications(APPs)marketsusepersonalizedrecommendationsystemstohelpusersfindcontentofinterestfi'omthemassoftheAPPs．However，duetothecharacteristicsofth

6、eAPPfield，APPreconlrnendationalgorithmexistsarangeofissues．Forexample，theuseofthedistributionofAPPispronetoheavyheadandlongtailphenomenon，datasparsenessproblem，coldstartproblemsandSOon．HeavyheadandlongtailphenomenonwillhinderthedevelopmentofAPP．Datasparsenessproblemislimitingtheefficie

7、ncyoftherecommendationalgorithm，andwiththegrowingnumberofAPP,theseissueswillbecomeincreasinglyprominent．TheemergenceoftheNetflixcompetitionhasgreatlypromotedthedevelopmentofthefieldofrecommendation，buttheresearchofAPPrecommendationalgorithmisstillatthebeginningstage．Atpresent，theAPPr