基于时空上下文感知的移动推荐模型研究

《基于时空上下文感知的移动推荐模型研究》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、中图分类号：TP311论文编号：102871616-SZ020学科分类号：085211硕士学位论文基于时空上下文感知的移动推荐模型研究研究生姓名陈圣楠专业类别工程硕士专业领域计算机技术指导老师钱红燕副教授南京航空航天大学研究生院计算机科学与技术学院二О一六年一月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofComputerScienceandTechnologyResearchonMobileRecommenderSystembasedonSpatial-temporalContext

2、AwarenessAThesisinComputerTechnologybyChenShengnanAdvisedbyAssociateProf.QianHongyanSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringJanuary,2016南京航空航天大学全日制专业硕士学位论文摘要伴随着通信技术的快速发展，人们已经迈入了移动互联网时代。这意味着人们可使用移动设备随时随地接入互联网。在中国，强大的手机用户群体不仅决定了移动互联网的市场潜力，而且就移动互联网的有关领域也有非常

3、光明的研究前景。面对庞大的用户行为数据，研究移动互联网不论对于推动市场经济还是改变互联网格局都有重大意义。论文从移动互联网商务的真实用户-商品行为数据出发，同时加入了移动时代特有的地理位置信息，通过挖掘用户数据发现数据背后的丰富内容，利用随机森林和梯度渐进回归树组合算法，搭建商品推荐模型，为处在移动环境下的用户在合适的时间、地点精准推荐商品。本文首先对移动推荐系统的产生背景做了介绍，再对比了移动推荐与传统推荐在技术层面上的不同，并概述了移动推荐的研究框架和移动推荐在实际生活中的应用。针对移动推荐精确度不足的问题，本文从两个角度进行优化。1)预处理阶段。本文对数据中的异常点进行检测

4、，排除异常点，提出了一个基于角度方差的多层次高维数据异常检测算法HODA。算法运用粗糙集理论计算属性权重降维；利用数据分布划分并对网格进行分类，筛选出可能存在异常点的网格，降低计算数据量。最后利用角度方差因子计算候选网格中数据点的异常值，判断数据的异常情况。实验表明算法在运行时间上有明显优势，且能有效识别高维数据集中的异常点。2)预测阶段。针对正负样本极不平衡的问题，采用聚类加权降采样的方式增加样本抽取的典型性。通过分析时间和空间两方面因素构建特征工程，并用随机森林算法筛选有效特征。组合随机森林算法和梯度渐进回归树两种算法搭建基分类器与组合模型，提高模型推荐精度。在国内某真实电商

5、数据集下，模型表现良好，保证了推荐精度和召回率。关键词：推荐系统，移动环境，预处理，异常检测，随机森林，GBDT，模型组合I基于时空上下文感知的移动推荐模型研究ABSTRACTThedevelopmentofcommunicationtechnologyhasmadeitpossibleforpeopletogointointernetage.Thisalsomeanspeoplehavemoreaccesstotheinternetregardlessofthetimeandlocationbyusingmobiledevices.InChina,thegreatsizeofm

6、obilephoneuserscanreflectnotonlythepotientialofmobileinternetmarket,butalsothebrightresearchprospectofrelatedfield.Duetothelargesizeofusers’behaviorrecords,itmakessensetopromptthemarketecnomyandchangethesituationoftheinternetbydoingresearchinmobileinternetfield.Thispaperisbasedonthetrueuser-i

7、temrecordsprovidedbyAlibabaGroup.Itincludesgeographicalinformationthatcanonlybefoundinmobileage.Miningtheuserdatahelpstofindtherichinformationhiddenbehindthedata.Applyingrandomforestandgradientdescendregressiontreetothisdatasetallowspeopletoa