基于网厅用户隐私行为的个性化推荐系统的设计和研究

《基于网厅用户隐私行为的个性化推荐系统的设计和研究》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、，、诚隹种．ｎｉ、，：１０巧３单位代码密级：‘Ｉｉ典．．咬．，穀拓Ｖｆｌ‘乳驚１，＊邏．為＾《若證＾＇．捕晴側；；；，脅—＇－、、．考皮緣您硕女讼Ａ＇ｎｕｉｉ晒画ｉｗ■ｉ．＞ｎｕ＾．？ｎ．ｉｒ＞＾｜．＇＇碟細ｉ著＞＇Ｃ…半＇’＇＇、＂．ｉｌＨｉ．、‘ｒ、ｉ攻ｌｐ域馨＇＇－、．；：＞４巧纖＂、啤■＇．■＂＇．＇、；■’■．■．ｖＳ．．．．．Ａ讀电々，裤、’Ｖ．．冷备．刮＂．．人属作论文题目：基于网厅用户隐私行为的个性化推

2、荐：／ｉ滅Ｕ相’、“．‘＜批．．ｉｉ巧ｉ讀、设计和研究：＿＾，绩的儀：式離遺＇＇．‘喊－、？；心．逆献蹲芸輯＇．於：．．ｒ寒歲１；诚挺撫繫Ｖ．；子号可Ｖ２２０２２’——０１１１‘ｒ游巧巧攤‘心’．姓名．—－１，．…宇＿－巧一导师舍仙力专业学位类别工程硕±专业学位；、一类型￣￣￣＊专业（领域）计龍巧术妍聲；＾－＾｝．二＾论义提交日期、２０１６年５月￣豁货＇ｒ、＇、’’、；二Ｖ、、＇、．’．．．．扛．幾Ｖ，．ｖ说南京

3、邮电大学学位论文原创性声明本人声明所呈交的学研工及研。位论文是我个人在导师指导下进行作取的成果的究得究尽不包己经我所知，除了文中特别加从标注和致的地方外，论文中含其人发表或撰写过谢他。的研究成果，也不包含为获得它机构的位或证而使用过的材料南京邮电大学或其教育学书一工志。与我同作的同已中作确的说并表了谢意对本研究所做的任何贡献均在论文了明明示一及。本人位论涉及关，愿承担律责学文相资料若有不实意切相关的法任？６＾？．人長非；芽日：研究生签名期大南京邮电学学位论文使用授权声明人和本授权南京邮电大学可保留

4、并向国家关构送交论文的印件电子文有部口或机复；允许论文被查阅借阅将学位论的全分内编入关据进检；培和：可文部或部容有数库行索可、、。Ｗ采用影印缩印或扫描等复制手段保存汇编本位论电档的内容和纸质学文本文子文一文。（包）授。论的内容相致论文的公布括刊登权邮电大究生办理南京学研院。涉密位论密后适本授权书学文在解用’．ｋ如ｌｂ签■研名导签名：日：究生师期３THEDESIGNANDIMPLEMENTATIONOFPERSONALIZEDRECOMMENDERSYSTEMBASEDONTHEANALYSISOFONLI

5、NECUSTOMER’SRECESSIVEBEHAVIORSThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByShuyuSupervisor:Prof.JinxianliMay2016摘要随着互联网技术和电子商务的不断发展，网络商品和服务的数量和种类越来越多。面对如此庞大的规模，如何快速有效地帮助用户找到满足其需求的商品和服务则成为亟待解决的问题。现有的个性化推荐方法大多采用协同过滤方法从众多

6、功能相同或相似的商品中向用户推荐最合适的商品。然而，在江苏电信网上营业厅（以下简称：网厅）这一典型业务场景下，现有方法存在数据稀疏性、“冷启动”以及推荐准确性等问题。针对数据稀疏性问题，本文采用基于用户显性数据和隐性数据相结合的方式为商品构建社会化标签，作为个性化推荐的重要依据；针对“冷启动”问题，本文采用数据挖掘方法对用户进行分类，通过分类在一定程度上反映出用户的个性化兴趣偏好。因此，本硕士论文针对现有个性化推荐技术应用于江苏电信网上营业厅中实际存在的问题，围绕基于网厅用户隐性数据的个性化推荐机制开展相关研究，主要工作包括以下几个方

7、面：（1）提出了一种基于用户隐性行为数据的社会化标签构建方法，通过分析用户浏览页面、停留时间等用户的操作行为等隐性数据，结合交易记录、服务评价等显性数据，构建社会化标签模型，用于刻画商品的功能属性和非功能属性，为进一步分析用户对商品的个性化偏好特征提供依据。（2）提出了一种基于社会化标签模型的个性化推荐方法，根据用户所构建的标签找到目标用户的邻居用户集，并基于商品的特征向量将目标用户及其邻居用户购买过的商品进行聚类，最后根据用户对商品的标签计算目标用户对商品的偏好程度，并为目标用户推荐满足其个性化功能需求的商品集。同时，聚类方法的使用

8、提高了新发布商品被推荐的机会。（3）提出了一种基于用户分类的个性化推荐方法，针对新注册用户隐性数据缺乏的“冷启动”问题，采用基于贝叶斯模型的数据挖掘方法对用户进行分类，为特定类型的用户推荐相关商品。在收集到足够的显性和隐