基于時空上下文感知的移動推薦模型研究.pdf

1、伴隨著通信技術(shù)的快速發(fā)展，人們已經(jīng)邁入了移動互聯(lián)網(wǎng)時代。這意味著人們可使用移動設(shè)備隨時隨地接入互聯(lián)網(wǎng)。在中國，強大的手機用戶群體不僅決定了移動互聯(lián)網(wǎng)的市場潛力，而且就移動互聯(lián)網(wǎng)的有關(guān)領(lǐng)域也有非常光明的研究前景。面對龐大的用戶行為數(shù)據(jù)，研究移動互聯(lián)網(wǎng)不論對于推動市場經(jīng)濟還是改變互聯(lián)網(wǎng)格局都有重大意義。
　　論文從移動互聯(lián)網(wǎng)商務(wù)的真實用戶-商品行為數(shù)據(jù)出發(fā)，同時加入了移動時代特有的地理位置信息，通過挖掘用戶數(shù)據(jù)發(fā)現(xiàn)數(shù)據(jù)背后的豐富內(nèi)容，

2、利用隨機森林和梯度漸進回歸樹組合算法，搭建商品推薦模型，為處在移動環(huán)境下的用戶在合適的時間、地點精準推薦商品。
　　本文首先對移動推薦系統(tǒng)的產(chǎn)生背景做了介紹，再對比了移動推薦與傳統(tǒng)推薦在技術(shù)層面上的不同，并概述了移動推薦的研究框架和移動推薦在實際生活中的應(yīng)用。針對移動推薦精確度不足的問題，本文從兩個角度進行優(yōu)化。
　　1)預(yù)處理階段。本文對數(shù)據(jù)中的異常點進行檢測，排除異常點，提出了一個基于角度方差的多層次高維數(shù)據(jù)異常檢測算法

3、HODA。算法運用粗糙集理論計算屬性權(quán)重降維；利用數(shù)據(jù)分布劃分并對網(wǎng)格進行分類，篩選出可能存在異常點的網(wǎng)格，降低計算數(shù)據(jù)量。最后利用角度方差因子計算候選網(wǎng)格中數(shù)據(jù)點的異常值，判斷數(shù)據(jù)的異常情況。實驗表明算法在運行時間上有明顯優(yōu)勢，且能有效識別高維數(shù)據(jù)集中的異常點。
　　2)預(yù)測階段。針對正負樣本極不平衡的問題，采用聚類加權(quán)降采樣的方式增加樣本抽取的典型性。通過分析時間和空間兩方面因素構(gòu)建特征工程，并用隨機森林算法篩選有效特征。組合