基于多源数据融合的移动商务情景推荐研究

摘要

随着社交软件、智能终端、移动商务的普及与发展，人们逐渐进入“大数据”时代。面对日常生活中多源异构的数据资源，用户的商务活动逐渐出现“信息过载”问题，移动商务平台在该环境下对用户进行的个性化推荐也越发困难。如何有效融合这些多源数据，在不同情景状态下，通过对用户行为偏好分析来为其寻找满意的商品信息是当前移动商务推荐服务的研究热点。用户数据的挖掘、偏好预测以及推荐算法的改进是当下推荐过程的核心内容，而用户数据种类繁多复杂，在不同情景下的用户行为、需求都大不相同。因此，本文通过分析用户在情景中对商品的偏好，探讨不同情景对用户行为的影响程度来进行移动商务情景推荐的相关研究，实现高质量、高效率的个性化推荐。 本文主要研究工作分为三个阶段： 第一阶段，针对移动商务用户数据资源超载现象，通过对数据在情景状态下的多源收集、预处理，依据改善后的RBF神经网络对证据变量分配不同的权值，并使用调整的D-S证据理论融合各数据源信息，从而得到一个可以用于数据共享和推理的多源数据融合知识库。 第二阶段，以第一阶段得到的知识库作为知识支撑，使用贝叶斯网络方法来分析用户在不同情景状态下的个人偏好，将信息熵理论与情景因素相结合，通过用户在不同情景下的商品喜好来筛选出具有较大影响力的关键情景，从而更进一步研究情景化的用户偏好。 第三阶段，根据改善的移动推荐算法，在协同过滤方法中引入情景维度及社会网络关系维度，依据上一阶段获得的情景化偏好与关键情景得到最近邻集合，从而推断用户在当前情景下的需求喜好。 针对移动商务推荐系统存在的不足之处，本文从上述三个层面采取了改进措施。通过多源数据融合手段提高用户数据的使用质量；通过贝叶斯网络来分析用户的情景偏好，结合情景信息熵来推断对用户偏好影响较大的情景因素，进而提高偏好预测精确度；通过采用情景结合协同过滤的推荐算法，全面考虑用户在情景和社会网络关系下的需求偏好，有效提高了用户的满意度。综上所述，本文结合数据挖掘、贝叶斯网络分析等方法，通过改进的推荐算法和融合手段实现移动商务情景推荐中实时、高效性能的统一，有效缓解移动商务信息过载问题，促进了大数据时代下移动商务推荐服务的高速发展。

目录

声明

第1章 引 言

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 多源数据融合技术相关研究

1.2.2 移动商务个性化推荐

1.2.3 情景推荐相关研究

1.3 创新点

1.4 研究内容与研究方法

1.4.1 论文主要研究内容

1.4.2 论文框架图及研究方法

第2章 基本概念及相关理论

2.1 数据融合方法

2.1.1 数据融合的定义

2.1.2 数据融合的基本原理和分类

2.1.3 数据融合的作用及发展趋势

2.2 情景及情景感知

2.2.1 情景定义

2.2.2 情景感知

2.3 社会网络关系

2.4 RBF神经网络及D-S证据理论

1）RBF神经网络

2）D-S证据理论

2.5 移动商务推荐算法

第3章 用户多源数据融合方法

3.1 多源数据收集

3.1.1 显性数据

3.1.2 隐性数据

3.2 多源数据处理

3.3 融合策略模型

3.4 本章小结

第4章 融合情景的移动商务用户偏好分析

4.1 用户情景化偏好获取

4.1.1 用户情景化偏好模型

4.1.2 贝叶斯网络下的情景化用户偏好分析

4.2 不同情景影响度的用户偏好分析

4.2.1 基于信息熵的情景计算

4.2.2 基于不同情景影响度的用户偏好计算

4.3 本章小结

第5章 基于多源数据融合的移动商务情景推荐框架

5.1 相关问题分析

5.2 融合情景的协同过滤推荐算法

5.2.1 用户综合情景相似度度量

5.2.2 基于用户偏好的推荐生成

5.3 推荐系统的框架及流程

5.3.1 协同过滤推荐框架

5.3.2 基于多源数据融合的情景推荐流程

5.4 实验和结果分析

5.4.1 Epinions数据集

5.4.2 评价指标

5.4.3 实验结果比较分析

5.5 本章小结

第6章 全文总结及研究展望

6.1 全文总结

6.2 研究展望

参考文献

致谢