基于用户行为推荐系统设计与实现525.pptVIP

* * * * * 基于用户行为的推荐系统设计与实现——刘金杰 * */23 2014届硕士学位论文答辩 基于用户行为的推荐系统设计与实现 答 辩 人： 指导老师： 教授 专 业：计算机技术 研究方向：软件工程 2014 年 05 月 答辩提纲 研 究 背 景 1 研 究 目 标 2 本 文 工 作 3 本 文 总 结 4 研 究 背 景 1 研究背景——选题项目基础 研究背景——存在问题 本科生信息系统 Share 课程多，类别繁杂，规则多 帖子类型繁杂，数量多 遇到的问题 遇到的问题 推 荐 功 能 研究背景——解决方法 信息超载 推荐系统 协同过滤推荐系统 基于内容的推荐系统 混合推荐系统 Amazon, MovieLens 应用 发现潜在兴趣 非文本信息 优势 研究背景——研究思路 用户搜索行为 兴趣变化检测模块 “冷启动”策略 准确性、实时性 协同过滤推荐算法 * 研 究 目 标 2 提出基于用户搜索行为的设计思想 总目标：基于用户的搜索行为，设计一个结合用户特征相似性、行为序列相似性、项目受欢迎程度、项目时效性等特性的推荐系统 设计基于用户行为的推荐系统 实验验证 研究目标 本 文 工 作 3 本文工作——系统架构设计 降低系统的耦合度 本文工作——线下模块（1/4） 抽取用户行为模板库 抽取用户特征库 抽取用户行为序列 按用户分组 序列排序 本文工作——数据模块（2/4） User PK Id User_id Profile_id feature Profile PK Id context 1:1 Item PK Id Item_id feature times Feature PK Id Item_id Context 1:1 用户数据存储 项目信息存储 生成 用户特征向量文本 用户行为模板 本文工作——在线模块（3/4） 开始 项目排序权重计算 是否有新项目 用户行为特征抽取 关联操作组提取 会话识别 用户协同查找 产生“生成项目”列表 新项目排序权值计算 结束 否 是 本文工作——在线模块（3/4） 项目权重计算公式： W(i)= w1 *sim_users+ w2*sim_strings+ w3*L(i)+w4*T(i) ； sim_users：项目所关联用户的总特征相似性 sim_strings：项目所关联行为序列的总相似性 L(i)：项目受欢迎程度 T(i)项目实时性 用户行为相似性 解决冷启动 本文工作——实验系统（4/4） 项目 软件 操作系统 Centos 5.7 数据库 Mysql 编程语言 php、C++、Java 程序框架 yii框架、MapReduce 实验结果 结果：推荐系统能够达到理想的推荐效果。 人员 排序误差期望 排序误差方差 开发人员 0.92 0.0490 普通用户代表 1.40 0.1364 总体 0.94 —— 项目排序列表评估结果 推荐列表排序评估结果 推荐项目平均相关性评估结果 1 2 3 4 5 开发人员 3.60 3.4 3.60 3.60 3.40 用户代表 2.20 2.60 3.20 2.80 2.40 平均相关性 2.90 3.0 3.40 3.20 2.90 实验结果——界面显示 结果：推荐系统通过用户行为能够准确的在用户界面上显示系统推荐的信息。 本 文 总 结 4 本文工作 对推荐系统中的各项关键技术进行了分析，了解其基本原理 完成推荐系统的设计，对系统的各个功能模块进行详细的设计说明，结合多种因素实现了推荐系统的功能 搭建实验系统，设计测试用例对系统进行功能测试，并分析实验结果 本文工作 本文特点 将用户搜索行为引入推荐系统 用户的行为序列可能代表用户的某一种“兴趣”，而“兴趣”的“实体”是行为序列所指向的项目页，通过分析用户的搜索行为和用户兴趣之间的关系，有效的进行信息推荐。 设计了结合用户行为序列相似性、用户特征相 似性、项目受欢迎程度、项目时效性等特点的 算法 结合多种因素有利于提高推荐系统的准确度。 下一步工作 探索更为有效的新项目冷启动策略，简化推荐流程，提高推荐效果。 设计更合理、高效的推荐算法，对系统的性能和安全性做更加系统全面的测试和改进。 感谢各位评审老师！ 答 辩 人：刘金杰 答辩日期：2014-05-25 * * * * * 基于用户行为的推荐系统设计与实现——刘金杰 * */23 * * * * * * * * * *