论文部分内容阅读
随着信息技术的快速发展,获取信息途径的增多,人们可以随时随地获取大量信息数据。随之而来的问题就是在海量信息数据中,选择出符合自己喜好的信息。推荐系统正是常用的解决信息过载的一种手段,通常结合其他技术可以在各个领域中发挥作用,提高用户获取信息的质量与效率,带给用户更好的体验。目前在各个地图平台中,如百度地图、高德地图,主要提供的是共性的地点查询服务功能,并未根据用户的个性化需求为用户提供个性化POI(Point of Interest,兴趣点)推荐服务。本文将使用LDA(Latent Dirichlet Allocation,潜在狄利克雷分布)主题模型作为连接用户与POI之间的桥梁,实现根据用户兴趣为用户提供个性化POI推荐。主要工作如下:(1)针对用户行为数据中,存在部分用户产生的操作行为少,不足分析出其中用户兴趣主题这一问题,采用协同过滤算法,利用用户行为数据挖掘出其中潜藏的用户可能感兴趣的商品;(2)针对用户行为数据中,商品信息缺失的问题,通过利用网络爬虫技术获取了商品详细信息以弥补语料库中商品信息的不足;(3)整合之前获取到的用户与商品信息,并使用网络爬虫获取POI信息,构建了语料库作为实验研究中的基础数据;(4)构建了LDA主题模型,并使用该模型对语料库进行了分析以得到用户的偏好主题和POI主题,用它们来评估所建主题模型的准确性,然后提出了基于LDA主题模型的个性化POI推荐算法;(5)完成了基于电商平台用户数据的POI个性化推荐原型系统的设计、开发,实现了利用电商平台的用户行为数据挖掘用户兴趣信息,通过LDA主题模型分析用户兴趣与POI的主题,以JS(Jensen-Shannon)距离作为衡量用户兴趣与POI之间主题相似性的指标,从而在地图平台中为用户提供POI个性化推荐功能。研究表明:将LDA主题模型作为连接用户与POI之间的桥梁,实现为用户提供个性化POI推荐功能是可行的。该方法可避免传统的基于协同过滤算法以及基于深度学习算法进行POI推荐研究时,用户——POI评分矩阵过于庞大、稀疏以至算法无法进行的问题。将LDA主题模型作为桥梁,实现电商数据在地图平台的跨平台的使用,对实现根据个性化需求为用户提供个性化推荐服务具有一定的工程参考价值、对探索利用网络空间的人类行为数据挖掘人类行为规律并提供智能化的基于位置的服务具有潜在的参考价值。