2014数学建模mathorcup获奖论文课题.doc

评委一评分，签名及备注 队号： 20025 评委三评分，签名及备注 评委二评分，签名及备注 选题： B 评委四评分，签名及备注 题目：基于层次分析法与BP神经网络对书籍推荐的研究 摘 要 随着信息技术和互联网的发展，关于各类信息的评价、推荐越来越被广泛关注。本文根据一个著名网上书店的用户行为信息，分析影响用户评分的因素来建立用户对书籍的评分体系模型，进而对用户进行书籍推荐。 对于问题一，首先对原始数据筛选处理，得到用户对书籍的评价为5分的数据；考虑到不同因素对书籍评分的影响，然后再对标签、社交好友、书籍浏览量三组数据分别进行双变量相关分析，得到用户对书籍的评分分数与标签数量、用户好友数量、书籍的历史浏览量成正相关的关系，对用户对书籍评分影响程度分别为历史浏览量＞用户好友人数＞书籍标签数量。 对于问题二，本文分别通过建立层次分析模型和BP神经网络模型对评分进行预测。首先将三个影响评分的因素：书籍的书签数量、历史浏览量、用户的好友数量作为评分指标，建立层次评价指标体系。然后，通过建立层次分析模型，得到标签数量、历史浏览量、用户好友数量三个指标的权重：0.0813，0.6837，0.2349，进而确定用户对书籍的评分公式，再将问题中的36组数据分别进行分析,并运用评分公式得到用户对每个书籍的评分。接下来构建BP神经网络模型，先对原始数据进行筛选得到99组数据；把不同用户对书籍的标签数量、用户好友数量、书籍浏览量和对应的书籍评分作为输入量，将其他用户对书籍的评分作为输出量。选取80组数据训练该神经网络，剩余19组数据检验模型，误差在5.3%之内，最后利用该训练好的网络预测用户对书籍评分。通过两种模型的对比ID，选取前三本评分为五分频率最高的书籍，即为推荐给该用户的三本书籍ID，然后循环五次进行分析最终得到问题所要求的五个用户的推荐书籍ID。 关键字：书籍评分；相关分析；层次分析法；BP神经网络 基于层次分析法和BP神经网络对书籍推荐的研究 1.问题的重述 随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时代。此时，无论是信息消费者还是信息生产者都遇到了很大的挑战：对于信息消费者，从大量信息中找到自己感兴趣的信息是一件非常困难的事情；对于信息生产者，让自己生产的信息脱颖而出，受到广大用户的关注，也是一件非常困难的事情。 推荐，就是解决这一矛盾的重要工具，在互联网的产品和应用中被广泛采用，包括大家经常使用的相关搜索、话题推荐、电子商务的各种产品推荐、社交网络上的交友推荐等。 我们获得了一个著名网上书店的用户行为信息，包括对于书籍的评分数据，书籍的标签信息以及用户的社交关系，请你根据数据完成以下问题。1.分析影响用户对书籍评分的因素； 2.建立一个模型，预测predict.txt附件中的用户对书籍的评分；3.针对predict.txt附件中的用户，给每个用户推荐3本没看过的书籍。user_book_score.txt进行原始数据筛选分别得到用户对书籍的评价为1—5分的数据；考虑到不同影响因素对书籍评分的影响，然后再对其他数据进行筛选，分析，初步得到各阶段书籍的评价分数与标签数的关系、与社交好友的关系、与书籍浏览量的关系。最后对得到的数据进行科学分析和归纳总结，得到影响用户对书籍评分的因素。 2.2问题二的分析 问题二要求建立模型，预测predict.txt附件中的用户对书籍的评分-准则层两层次分析模型，利用层次分析法综合分析确定各指标对总评分的权系数，并确定综合书籍评价公式，从而得到书籍评分模型，进行预测评分。其次为了更加充分的考虑模型的准确性，运用BP神经网络模型，首先建立一个神经网络结构，把不同用户对书籍的标签数量、用户好友数量、书籍浏览量和对应的书籍评分作为输入量，预测其他用户对书籍的评分作为输出量，根据已知数据训练神经网络，该过程不断调整网络结构，直到到达满意，为止，最后利用该训练好的网络进行用户对书籍评分的预测。 2.3问题三的分析 问题三要求针对predict.txt附件中的用户，给每个用户推荐3本没看过的书籍 观测样本数 用户对书籍的评分 用户浏览量的指标 用户好友人数的指标 标签数量的指标 一致性比例 4.问题假设 1、假设影响用户对书籍评分的因素相互独立。 2、假设影响书籍评分的因素只有书籍标签，用户好友数量，书籍浏览量。 3、假设书籍的好评频率越高,用户对书籍的喜爱程度越高。 5.模型的建立与求解 5.1问题一模型的建立 5.1.1对书籍评分数据的处理 题目要求分析影响用户对书籍评分的因素，运用SPSS统计软件[1]对附件user_book_score.txt(用户评分数据)对书籍分数进行排序，然后进行筛选，从而得