基于用户兴趣的位置服务推荐系统研究

摘要

信息内容的爆炸式增长给人们造成很大的信息选择困扰，推荐系统的提出可以有效地解决这一难题。通过分析用户的历史数据，挖掘用户与项目之间的二元关系，帮助用户在庞杂的信息中发现自己感兴趣的项目，生成个性化推荐以满足其服务需求。随着智能设备的普及和网络技术的发展，信息资源的获取和推送可以发生在任何时间、任何地点。移动位置服务推荐系统将线上用户和线下资源联系在一起，更好地服务用户需求。相对于传统推荐系统，移动位置服务推荐系统需要考虑更多地点、情景方面的因素。
　　为了更进一步地研究移动位置服务推荐系统，本文通过研究移动推荐系统的相关技术，分析当前个性化推荐研究的现状和比较各种推荐算法。以位置服务推送作为出发点，结合用户兴趣建模，解决移动推荐系统中用户情景需求的问题，提高移动个性化推荐系统的推荐精度、效率和质量。本文主要研究用户兴趣建模和基于用户评分的推荐算法，提出一种基于用户评分特征和情景消费倾向的个性化推荐算法。通过分析用户历史评分信息，并把商家信息标签化，有利于找出用户评分值高的商家具备哪些标签，同时利用贝叶斯方法预测用户在某一情景下的消费概率。最后为了验证系统的可操作性，在Android平台上设计并开发了基于用户兴趣的位置服务推荐系统，实现了系统的主要核心功能，通过实验验证了系统的主要功能和实现效果。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景

1.2 课题来源及本文组织

第二章 相关技术研究

2.1 位置服务研究现状

2.2 用户兴趣建模

2.3 个性化推荐算法

2.4 本章小结

第三章 基于用户兴趣的位置服务推荐系统总体设计

3.1 设计目标

3.2 系统流程框架

3.3 系统功能模块设计

3.3 系统数据库设计

3.4 本章小结

第四章 基于用户兴趣的位置服务推荐算法设计

4.1 用户评分特征

4.2 用户情景需求

4.3 个性化推荐

4.4 本章小结

第五章 基于用户兴趣的位置服务推荐系统详细设计

5.1 系统技术架构

5.2 商家信息管理模块

5.3 用户兴趣模型模块

5.4 个性化推荐模块

5.5 本章小结

第六章 系统测试

6.1 测试环境

6.2 系统功能性测试

6.3 本章小结

第七章 总结与展望

7.1 总结

7.2 展望

参考文献

附录1 攻读硕士学位期间撰写的论文

附录2 攻读硕士学位期间申请的专利

附录3 攻读硕士学位期间参加的科研项目

致谢