基于加权关键词时间元与标签序列的用户个性化模式构建及其推荐方法研究

摘要

互联网的快速发展，改变了人们的生活和思维方式，网络行为消费已成为人们的生活习惯。通过对用户网络消费进行行为分析研究，挖掘出用户的有效行为特征模式，进行精准营销，有利于改善用户体验，增强商家与消费者之间的粘性，进而提升企业经济效益，同时有利于用户降低时间成本满足自身需求。然而，网络用户行为数据融合，行为特征模式提取，用户个性化兴趣模型构建等难点问题，一直制约着个性化信息服务的发展。
　　在现有的个性化推荐系统应用中，用户个性化模型构建主要基于用户的历史信息来实现。然而，这种方法存在一定的不足，主要在于它不能捕捉到用户兴趣特征模式变化的演变趋势信息。我们知道，用户的偏好在不同时刻具有多样性和时效性等特性。所以，一个好的时效推荐系统需要能够感知用户在不同时刻兴趣偏好信息，而时间序列是挖掘用户兴趣特征模式演变趋势的一个重要途径。目前，很多时效模型已经把时间作为所有用户时效信息的一个维度来构建用户个性化模型。本文主要针对用户个性化兴趣模型构建和推荐进行研究，设计出一个基于用户兴趣特征模式趋势演变的个性化推荐模型来改善传统的推荐方法，进而提高推荐结果的精准性和多样性。
　　本文在前人研究的基础上进行创新，通过标签时间序列统计预测和加权关键词共现时间元拼接时序路径方法来发现用户兴趣特征模式演变趋势。本文的难点主要在于扩展关键词的获取，识别关键词之间的语义相似度并聚类，关键词权值设定，关键词共现权值设定。最后，本文拟对电影用户消费行为数据进行分析来构建用户个性化兴趣模型，挖掘用户兴趣特征模式演变趋势，然后基于用户兴趣特征模式演变趋势，进行个性化信息推荐服务。

目录

声明

第一章 绪论

1.1研究背景及意义

1.2研究现状

1.3研究目的

1.4论文创新点

1.5组织结构

第二章 相关研究

2.1用户个性化模型研究

2.2个性化推荐方法研究

2.3本章小结

第三章 用户个性化模型构建

3.1用户兴趣特征关键词时序路径构建

3.2用户兴趣特征标签预测

3.3用户项目评分矩阵

3.4本章小结

第四章 用户个性化推荐

4.1基于标签时间序列的用户个性化推荐

4.2基于关键词时序路径的用户个性化推荐

4.3基于项目评分的用户个性化推荐

4.4本章小结

第五章 实验分析与评价

5.1实验分析

5.2实验评价

5.3本章小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

攻读硕士期间所发表的论文

致谢