论文部分内容阅读
揭示人类的行为规律一直以来都是社会各界备受关注的话题。科学家更在意惊艳世人的发现,商人则将之用于提高商品推荐的效果,而且它对于公共安全管理也有着非常积极的作用。近年来,智能手机的普及在便利人们生活的同时也将其行为记录在了线上,本文就针对移动互联网在线阅读平台上的用户行为展开了统计分析。我们发现,大量用户的兴趣变化速度很快,而且在选择书籍的种类上存在明显的流向性。事实上,用户行为的分析与推荐系统有密切的关系,再加上这个在线阅读平台甚至可以用来进行推荐算法的对比实验,我们改良了推荐算法并在平台上进行检验。我们的算法不仅综合了用户的行为信息、书籍的品类信息和被阅读的信息等,更是巧妙地与基于用户-书籍二部图网络结构的算法结合起来。实验结果充分证明了我们提出的方法远胜于传统的热点推送方法。本文将人类动力学的分析结果与推荐系统结合,为推荐系统的研究进展提供了重要的理论和实验参考。本文的研究工作可概括为以下两点:(1)从人类动力学的角度对用户阅读行为进行统计和分析。主要包括用户和书籍的度分布、用户的活跃度统计,分析用户的兴趣变化及用户选择书籍的品类是否具有流向性。针对分析结果,建立用户行为模型,对推荐算法提供数据支撑。(2)改良现有的推荐算法,在实际应用中对比了不同的推荐策略所带来的首日用户反馈率、用户PV(Page View页面浏览量)增量和长期的用户留存率,以及成功唤醒曾经活跃用户的数量,所有结果都证明我们的推荐系统都具有明显的优势。