基于时间特征的移动用户标签生成方法

摘要

移动互联网的到来使得在海量信息中发掘用户个性化特征从而进行深入的个性化服务，已经成为了各个互联网企业乃至银行、零售等传统行业公司努力发展的目标。目前，主流的用户个性化特征仍然多为标签刻画方式，用户的个性化特征以若干个特征词汇组成。然而，随着用户数据的爆炸使得用户差异化逐渐变小，传统的用户标签已经逐渐不能满足目前企业对用户洞察的目标，更加深入的用户洞察变得刻不容缓。
　　本文在传统用户标签的刻画方式基础上，引入用户标签的时间特征维度，从而使得企业加深了对用户个性化行为的理解程度，优化了其对用户个性化服务的体验。其中，用户标签的时间特征主要包括用户标签的长短期特征、访问时段特征、访问周期特征等等。用户标签的长短期特征作为时间特征的核心特征之一，可以有效说明用户对此标签的行为轨迹，较大的长期特征值表明用户在很大的时间范围内对该标签均有兴趣，而较大的短期特征值则表明该标签用户只在某较短的时间范围内对该标签产生过兴趣。
　　最后，本文通过基于标签的协同过滤算法分别对不带时间特征和位置特征的用户标签和带时间特征和位置特征的用户标签进行推荐对比，实验结果发现，带详细标签特征的用户标签推荐结果的平均覆盖率为77％，明显高于不带标签特征的用户标签的平均推荐结果68％。因而，本文得出结论，对用户标签进行时间特征维度的洞察是合理且有意义的。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 国内外应用与研究现状

1．2．1 UGC标签生成方法

1．2．2 SGC标签生成方法

1．2．3 SAC标签生成方法

1．3 主要研究内容

1．4 论文的组织结构

2 基于时间特征的移动用户标签建立方法

2．1 问题描述与名词说明

2．2 总体研究思路

2．3 模块设计与合理性分析

2．3．1 网页标签的建立

2．3．2 用户标签的建立

3 系统详细设计与实现

3．1 系统设计目标

3．2 数据库设计

3．2．1 数据库分析

3．2．2 数据库概念设计

3．2．3 数据库物理结构

3．3 功能模块实现

3．3．1 网页标签建立

3．3．2 用户标签建立

4 实验结果与验证

4．1 实验方法

4．2 实验数据

4．3 实验方法与步骤

4．4 实验结果与分析

4．4．1 方法结果

4．4．2 对比试验

结论

参考文献

致谢