论文部分内容阅读
移动智能终端已成为人们的主要上网工具。移动智能终端上的APP数量和质量上都有巨大进步。传统的APP推荐方法使用APP下载量和特定个人信息等数据来为用户提供推荐,无法准确把握用户使用APP的习惯。APP个性化推荐系统就是连接海量APP和用户个性化需求的最好方式。 本文针对以上问题做了以下工作:第一、本文采集用户使用APP的行为数据来挖掘用户兴趣,综合利用用户属性信息和APP属性信息,设计动态用户兴趣模型来跟踪用户兴趣。第二、本文使用了基于物品的协同过滤、基于用户的协同过滤、BPR、PLSA四种不同的协同过滤算法,实现了对APP的个性化推荐,并对各种算法的推荐结果和反馈结果进行了对比和评估分析。第三、本文采取对APP属性信息中的详情进行分词的方法,获取APP的关键词及权重,并使用基于内容的推荐算法对新APP进行推荐,并对算法进行了评估。 本文通过对比不同类型的推荐算法,为实现APP个性化推荐提供方法基础。本文工作为优化现有APP发布平台、构建新型APP发布平台提供理论参考。APP个性化推荐系统可以更好的连接用户和应用平台上的APP。