区分用户长短期兴趣的个性化动态推荐模型

《区分用户长短期兴趣的个性化动态推荐模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、：：分类号密缀Ｕ０Ｃ：单位代码：；Ｖ篡傲至妙大ｆ硕壬学位论文论文题目：区分用户长短期兴趣的个性化动态推荐模型雜１３２０１９０４３５呵，学号；汪视作者：：节—去＃＾蔬，難科学与工程学院．＂２０１６年０６月０２日二—徘詞．子山Ｖ高帝独创性说明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得硏究成果。尽我所知，除文中特别加＾＾１标注和致谢的地方外，１论文中不包含其他人已经发表或撰写的硏究成果，也不包含

2、为获得安徽工业大学或其他教育机构的学位或证书所使用过的材料一。与我同工作的同志对本研巧所做的任何贡献均己在论文中做明确的说明并表示谢思。￣冷日期－．〇签：？１＿换ｇ＾关于论文使用授权的说明目本人完全了解安徽工业大学有关保留、使用学位论文的规定，Ｐ：／学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可？（＾公布论文的全部或部分内容，可（＾采用影印、缩印或其他复制手段保存论文，保密的论文在解密后应遵循此规定。抑。八－Ｌ轉名导师豁名曰期■：２＼安徽工业大学硕士学位论文

3、区分用户长短期兴趣的个性化动态推荐模型论文题目：DistinguishUserLong-termandShort-termInterestofPersonalizedDynamicrecommendedModel作者：汪书砚学院：管理科学与工程学院指导教师：潘瑞林单位：安徽工业大学协助指导教师：单位：单位：论文提交日期：2016年06月02日学位授予单位：安徽工业大学安徽马鞍山243002安徽工业大学硕士学位论文摘要面对互联网所引发的信息爆炸，个性化推荐相比于搜索引擎能够更好帮助用户发现兴趣，而用户兴趣建模作为个性化推荐的基础逐

4、渐成为研究热点。同时，心理学家已经证明用户的兴趣往往会受环境的影响而变化。至此，用户兴趣的动态变化过程成为一个研究重点，而以往考虑时间因素的兴趣模型主要围绕时间窗与遗忘规律，且通常将用户兴趣当作一个整体进行处理，对长期与短期兴趣的区分性不强。因此，本文主要研究用户长短期兴趣建模、短期兴趣的模式识别以及基于长短期兴趣的推荐，具体内容如下：(1)一般认为，用户的长期兴趣是用户比较关注的、稳定的、不易改变的；用户的短期兴趣是用户不经常关注的、不稳定的、易改变的。为了能够构建一个自主区分用户长短期兴趣的兴趣模型，本文首先通过对天猫网上用

5、户查询记录的收集与商品分类信息的爬虫、统计，获得用户的查询记录(用户ID、查询词、时间戳、访问链接)以及商品类别数据；然后对用户的查询词与商品类别数据进行分词并转换成TF-IDF值，计算两者的相似度，建立查询词与商品类别在最大相似度下的映射关系；再根据商品类别映射关系下查询词数量与该用户所有查询词数量的比值设定阈值，以此区分用户在商品类别下的长期兴趣与待定兴趣；最后对待定兴趣下查询词数量进行判断得到短期兴趣，按照加速度理论提出兴趣加速度的概念，用以表征用户短期兴趣的变化过程，生成兴趣加速度的图像。(2)为了能够实现用户短期兴趣模

6、式的自动识别，本文首先根据兴趣加速度图像的变化规律，给出短期兴趣的六种不同模式(每一种模式都反映一种用户短期兴趣)：正常模式、逐渐上升模式、逐渐下降模式、跳跃上升模式、跳跃下降模式、周期模式；然后根据兴趣加速度的最大向量维度进行线性拟合，自动补值，设计函数生成六种不同模式的训练数据；最后设计三层节点的BP神经网络以实现自动识别用户短期兴趣的模式。(3)为了实现区分用户长短期兴趣的商品推荐，本文暂将用户查询后访问的链接当作具体商品，构建一个用户-访问链接的矩阵表。若用户长期兴趣下的访问链接在此表中有出现，在对应位置标记为1，反之为

7、0；对相同模式下的用户短期兴趣进行同样操作；然后基于用户协同过滤算法为用户分别实现区分长期与短期兴趣的链接推荐；再进行关键字符串匹配，得到具体商品链接，利用Web页面分析算法爬取，最终将具体商品推荐给用户。本文选用数据堂提供的天猫网用户的查询行为数据集，构建的模型能够较好区分用户长短期兴趣，得到较好推荐结果，在电商网站中具有一定应用价值。关键词：个性化；动态化；长期兴趣；短期兴趣；兴趣加速度；模式识别；协同过滤I区分用户长短期兴趣的个性化动态推荐模型AbstractFacetotheinformationexplosioncau

8、sedbyInternet,personalizedrecommendationdoesbetterthansearchengineinhelpinguserstofindtheirowninterest.Modelingbasedonusers’interes