检索结果-内蒙古大学图书馆

作者：夏晓国防科学技术大学

学位级别：博士

近年来,移动计算飞速发展。为了方便用户使用智能移动设备和访问移动网络中的信息服务,移动应用的数量急剧增长,以致于催生了新的巨大挑战:在持续增长的海量移动应用中,用户越来越难以依靠自身的力量,发现满足自己兴趣或需求的应用。为... 详细信息

近年来,移动计算飞速发展。为了方便用户使用智能移动设备和访问移动网络中的信息服务,移动应用的数量急剧增长,以致于催生了新的巨大挑战:在持续增长的海量移动应用中,用户越来越难以依靠自身的力量,发现满足自己兴趣或需求的应用。为了面对这个挑战,学术界和工业界都将目光聚焦到了一个新的研究方向:移动应用推荐(RMA,Recommendation of Mobile Apps)。RMA将推荐的理论、技术和方法应用到了新的移动计算环境中,来帮助数十亿的移动用户发现他们感兴趣或需要的移动应用。据此,移动计算新的发展催生的这一新的研究方向具有重大的学术意义和重要的应用价值。然而,RMA是新生方向,初步发展,成果欠缺。因此,本文对RMA展开了系统的研究、设计和实现。本文的主要研究内容和创新成果有:***关键技术提出和分析:RMA处于初步发展阶段,研究缺乏系统性。为此,本文为RMA提出了新的研究框架。该框架依次覆盖了移动应用推荐从生成到使用的生命周期的各个环节,分析了其中的关键研究对象,即推荐算法、推荐系统、推荐链接和推荐服务,并基于它们提出了RMA研究中的关键技术:移动应用推荐算法设计和研究、移动应用推荐系统研究和实现、移动应用推荐发布研究和设计,以及移动应用推荐服务设计和研究。本文还分析和归纳了推荐研究中各要素在移动应用推荐背景下的特殊属性。这些特殊属性决定了RMA研究区别于传统推荐研究的特性,也决定了关键技术研究中新的机遇和挑战。根据RMA研究框架,基于RMA研究特性,本文确立了对RMA关键技术开展研究的具体内容。2.移动应用推荐算法设计和研究:现有移动应用推荐算法主要依赖于用户对移动应用的访问经验,受到了用户经验有限的限制,无法提供全局最优的推荐。同时,现有推荐算法主要生成单目标的应用推荐,只能满足单一有限的应用需求。针对以上问题,本文首先基于元数据潜在语义分析的方法设计了新的推荐算法RA-LSA(Recommending Algorithm based on Latent Semantic Analysis),通过挖掘移动应用元数据中的潜在语义来获取移动应用的相似性度量,从而计算出全局最优的应用推荐。接下来,本文采用多样性测量的方法将RA-LSA算法和现有算法进行比较,揭示了不同算法的不同优势和不足,指出了混合式算法设计的潜力。据此,本文进一步采用多目标的思想和排列聚合的方法,设计了新的混合式推荐算法RA-MRA(Recommending Algorithm based on Multi-objective Rank Aggregation)。该算法通过融合不同算法的优势,生成了面向多目标的应用推荐,从而满足了多种应用需求。基于自主采集的包含103348个应用的实际数据集,本文通过评估实验表明,融合了RA-LSA算法和现有算法的RA-MRA算法以67.2%到494.1%的增幅,有效地提高了应用推荐的质量。3.移动应用推荐系统研究和实现:由于缺乏有效的敏捷开发框架,第三方开发者在缺乏大规模数据的情况下难以开发有效的移动应用推荐系统。这导致了移动应用推荐系统发展缓慢,落后于移动应用的高速增长。针对该问题,本文基于多系统协作的思想,设计了新的移动应用推荐系统开发框架DF-MSC(Development Framework based on Multi-System Collaboration)。该框架不仅集成了不同系统的算法特性,还拓展了开发者所持有的支撑数据,从而降低了系统设计和开发的门槛。在此基础上,为了有效地实现DF-MSC框架,本文采用基于集合的粒子群优化方法,设计了DF-MSC框架下的多系统协作算法CF-SPSO(Cylinder Filling Set based Particle Swarm Optimization)。该算法基于多个源系统的推荐,计算出更优的应用推荐。本文基于三个流行的推荐系统,自主采集大规模的实际数据(108329个移动应用),实现多个验证系统,开展了评估实验。评估结果表明,本文的DF-MSC框架和CF-SPSO算法能以可靠的问题解决率(平均问题解决率>80%)和系统性能(平均迭代次数<30)生成比源系统更优的应用推荐(平均增幅>35.6%)。4.移动应用推荐发布研究和设计:移动应用推荐在生成之后,被以推荐链接的形式发布给用户。这些链接直接引导用户发现移动应用。因此,移动应用推荐的发布(D-MAR,Distribution of Mobile App Recommendation)对于用户发现应用的效率十分重要。然而,现有工作对此缺乏相关的研究。为此,本文提出了移动应用推荐网络(MARNet,Mobile App Recommendation Network)的概念,建模了D-MAR,并基于自主采集的实际数

关键词：移动应用推荐研究框架和关键技术算法设计和系统实现推荐网络和推荐发布使用模式和推荐服务

来源：评论

学校读者我要写书评

暂无评论

基于社交网络的移动应用推荐系统研究及应用

基于社交网络的移动应用推荐系统研究及应用

引用

作者：李迎辰重庆大学

学位级别：硕士

随着互联网、移动通信技术的迅速发展，智能移动终端如手机、平板电脑的大量普及，移动上网已经超越传统PC上网成为第一大上网终端[1]。近年来，移动应用程序市场作为一种新兴的电子商务平台得到蓬勃发展。人们通过手机应用市场安装各... 详细信息

随着互联网、移动通信技术的迅速发展，智能移动终端如手机、平板电脑的大量普及，移动上网已经超越传统PC上网成为第一大上网终端[1]。近年来，移动应用程序市场作为一种新兴的电子商务平台得到蓬勃发展。人们通过手机应用市场安装各种各样的应用程序，给工作、生活、学习来了极大的便利和乐趣。几大应用市场也都即将或者已经迈入百万级的数量，在这样海量的应用程序中查到自己感兴趣的内容对于普通用户来说是件苦恼的事情。而对于应用市场来说，传统检索、分类并不能提高用户购买使用热情，尽管一些应用市场加入了一些推荐技术，但是冷启动、数据稀疏性问题依然严重。与此同时，社交网络作为一种面向社会性网络的互联网服务平台，在互联网领域发展迅速。使用者可以通过“朋友的朋友”建立起朋友关系，也可以和不熟悉但是性格、兴趣相近而用户建立关系。社交网络社区得到了用户的青睐，在线上、线下都发挥着越来越来重要的作用。本文针对目前移动应用市场在个性化推荐过程中，特别是协同过滤推荐中面临的数据稀疏性问题，在研究了社交网络、协同过滤推荐相关理论技术后，提出一种基于社交网络的协同过滤推荐方法模型并对其进行了验证，在此基础上设计并实现了基于社交网络的移动应用推荐系统原型。本文完成的主要工作如下： ①研究了个性化推荐技术、社交网络理论的国内外现状，分析目前推荐系统普遍面临的问题，探讨把社交网络运用到推荐系统的可行性。 ②针对本文的应用场景研究了Android开发、协同过滤推荐相关技术、社交网络社区发现算法，对比分析了协同过滤的三种推荐方式的优缺点。研究了社交网络中用户兴趣模型的获取和计算方式，提出一种基于社交网络的协同过滤推荐模型并进行验证分析。 ③针对推荐模型设计基于社交网络的移动应用推荐系统的移动端和服务端。移动端用于收集用户数据，相应请求等，服务器用于数据分析和推荐模型的处理。 ④实现了移动应用推荐系统主要模块的原型。包括客户端的用户操作行为数据的获取和推荐应用程序的展示，服务端社交网络模块和推荐模块。 ⑤通过实例对原型系统进行了验证，验证了模型设计的可行性和有效性，对原型系统进行了分析并归纳总结。

关键词：移动互联网社交网络协同过滤推荐移动应用推荐

来源：评论

学校读者我要写书评

暂无评论

基于内容与用户交互关系的移动应用推荐

基于内容与用户交互关系的移动应用推荐

引用

作者：陈俊杰湖南科技大学

学位级别：硕士

随着各大手机应用商店的移动应用快速增长,用户难以选择合适自己的移动应用。因此很有必要提供高质量的移动应用推荐机制,从而提升用户的良好体验。现有的移动应用推荐方法存在移动应用文本表征不够精确、忽略了移动应用的原始特征权重... 详细信息

随着各大手机应用商店的移动应用快速增长,用户难以选择合适自己的移动应用。因此很有必要提供高质量的移动应用推荐机制,从而提升用户的良好体验。现有的移动应用推荐方法存在移动应用文本表征不够精确、忽略了移动应用的原始特征权重以及未考虑到用户与移动应用的深层次交互关系。为此,本文在内容层面提出两种大众化移动应用推荐方法,在用户交互关系层面提出一种个性化推荐方法用以解决上述问题。更具体来说,本文的研究内容如下:(1)针对文本表征不够精确,本文提出一种基于主题注意力和因子分解机的移动应用推荐方法。通过引入主题注意力机制,利用LSA的主题向量与Bi-LSTM的局部语义向量共同计算隐藏层的权重系数,得到更优的文本向量表征达到更好的分类效果。在此之上,可利用查询语句先定位到最相关的APP类别下,再通过因子分解机模型考虑特征之间的交互关系以提升APP的推荐精度。(2)至于移动应用自身的特征重要性,本文提出一种基于特征重要性的移动应用推荐方法。该模型利用SENET模块动态地学习特征的重要性,通过更复杂的双线性交互层来学习特征交互,最终形成的深度模型可以提升移动应用推荐模型的精度。(3)针对如何有效编码用户与移动应用之间的深层次交互关系,本文提出一种基于用户交互关系的移动应用推荐方法。该方法先构建用户与APP的二部交互图,通过嵌入传播层挖掘用户与APP之间的深层次交互关系,这样可以进一步细化APP与用户的表征。最后再使用内积计算用户对不同APP的偏好完成推荐任务。经过我们在Kaggle公开数据集上的验证,以上三种移动应用推荐方法与其各自的主流基线方法相比,均能取得较好的实验结果。

关键词：移动应用推荐主题注意力高阶连通性协同信号特征权重 SENET

来源：评论

学校读者我要写书评

暂无评论

基于LightGCN和多模态特征融合的移动应用推荐方法

基于LightGCN和多模态特征融合的移动应用推荐方法

引用

作者：钟为是湖南科技大学

学位级别：硕士

随着5G、工业互联网和移动网络的快速发展,移动设备已经成为人们日常生活中不可或缺的媒介,移动应用程序的数量呈现爆炸式增长。面对如此大量信息丰富的移动应用,用户很难找到合适的移动应用。因此,有必要向用户推荐个性化的移动应用。... 详细信息

随着5G、工业互联网和移动网络的快速发展,移动设备已经成为人们日常生活中不可或缺的媒介,移动应用程序的数量呈现爆炸式增长。面对如此大量信息丰富的移动应用,用户很难找到合适的移动应用。因此,有必要向用户推荐个性化的移动应用。推荐系统在帮助用户摆脱移动应用过载困境、自动为用户推荐合适的移动应用方面发挥着重要作用。现有研究证明,有效的移动应用分类方法能够提高推荐系统精度,而将机器学习及深度神经网络技术应用于移动应用分类及推荐中,已成为一个研究热点。然而,现有方法没有充分利用到移动应用内容信息的多模态特征及其细粒度的高低阶特征交互关系,并且所利用到的深度神经网络技术中的卷积操作不能很好拟合推荐系统抽象出来的图谱等不规则空间结构特征。尽管现有方法在移动应用推荐方面取得了显著效果,但推荐的准确性还有待进一步提高。针对上述问题,本文分别利用用户与移动应用的交互信息以及移动应用本身的多模态信息,提出以下两种移动应用推荐方法:(1)利用用户与移动应用的交互信息,提出一种基于轻量化图卷积网络的移动应用推荐方法。该方法首先利用二部图对用户与移动应用之间的交互进行建模。然后,利用轻量化图卷积网络对图上的特征进行平滑处理,提取用户与移动应用之间的高阶连接,并利用三个卷积层生成用户和移动应用的特征表示。最后利用内积预测用户对不同移动应用的偏好,完成推荐任务。利用Kaggle的真实数据集Shopify-app-store进行了多组对比实验,实验结果表明:该方法在查准率(Precision)、查全率(Recall)、归一化折损累计增益(NDCG)等指标上均优于其他方法。(2)利用移动应用本身的多模态信息,提出一种基于多模态特征融合的移动应用推荐方法。该方法,首先分别利用内卷残差网络和预训练语言表征模型提取移动应用的图像与描述特征。其次,利用Transformer模型中的注意力机制将移动应用的图像与描述特征进行融合。然后,利用Softmax分类器依据融合后的特征对移动应用进行分类。最后,基于移动应用的分类结果,利用双线性特征交互模型提取移动应用的高阶和低阶的嵌入特征,并结合使用哈达玛积与内积实现细粒度的高低阶特征交互,更新移动应用表征并完成推荐任务。在Kaggle的真实数据集365KIOS Apps Dataset进行了多组对比实验,实验结果表明:本文方法在Macro F1、准确率(Accuracy)、AUC(Area Under ROC Curve)值及Logloss等指标上均优于其他方法。

关键词：移动应用推荐多模态注意力机制高阶连通性轻量化图卷积网络

来源：评论

学校读者我要写书评

暂无评论

基于用户上下文相似度的移动应用推荐研究与实现

基于用户上下文相似度的移动应用推荐研究与实现

引用

作者：余可钦重庆大学

学位级别：硕士

移动通信技术发展日益成熟,智能化的移动终端设备得到普及,各种移动应用程序也呈爆炸式增加,用户无法在海量应用中快速准确地定位和获取喜欢的应用,大量出色的应用也被掩盖在热门移动应用之下。为帮助用户有效快速地发现感兴趣的移动应... 详细信息

移动通信技术发展日益成熟,智能化的移动终端设备得到普及,各种移动应用程序也呈爆炸式增加,用户无法在海量应用中快速准确地定位和获取喜欢的应用,大量出色的应用也被掩盖在热门移动应用之下。为帮助用户有效快速地发现感兴趣的移动应用,给用户提供更加精准化的应用服务,使长尾应用能得到更多的曝光机会,移动应用个性化推荐应运而生。现有的移动应用推荐算法主要依赖于用户对移动应用的使用行为,没有充分考虑用户复杂的上下文环境。同时,上下文信息的引入使推荐系统的稀疏性问题更加严重。针对以上问题,本文提出了一种基于用户上下文相似度的移动应用推荐算法UCA-TF(User-Context-Application Tensor Factorization),将完整的上下文表示融入推荐模型,重新构建用户上下文相似度模型,并通过张量分解方法处理高维稀疏上下文数据,帮助用户快速发现感兴趣的移动应用,提高推荐精度并有效缓解数据稀疏性。根据移动应用推荐系统参考模型,提出基于UCA-TF算法的移动应用推荐原型系统的总体设计与实现方案。本文主要工作包括:(1)对移动推荐系统和上下文感知推荐进行文献综述研究,总结提出移动应用推荐的特点、关键技术和亟待解决的关键科学问题,并阐述了移动应用推荐的研究背景与意义。(2)针对移动应用推荐中数据稀疏性和用户上下文环境复杂多变问题,提出一种基于用户上下文相似度的移动应用推荐算法(UCA-TF算法),该算法组合用户间的多维上下文相似度和上下文相似可信度,建立用户上下文相似度模型,再对目标用户的K个邻居用户建立移动用户-上下文-移动应用三维张量分解模型,获得目标用户的移动应用预测值,生成移动推荐结果。实验结果表明,UCA-TF算法相比其它算法具有更高的推荐精度,能有效缓解上下文稀疏性的影响,提高用户满意度。(3)在UCA-TF算法研究基础上,提出了基于用户上下文相似度的移动应用推荐原型系统的设计与实现方案。移动应用推荐客户端展示应用推荐信息,实时对用户的请求进行响应,并将在线采集的行为数据和上下文信息上传至服务器;服务器端获取用户历史信息,进行离线数据计算,生成预推荐列表以备调用,同时管理和维护用户信息和移动应用信息,使移动端和服务器端内容能得到及时更新和调整。

关键词：移动应用推荐用户上下文相似度模型张量分解

来源：评论

学校读者我要写书评

暂无评论

面向移动应用的推荐算法与平台设计与实现

面向移动应用的推荐算法与平台设计与实现

引用

作者：林俊威西安电子科技大学

学位级别：硕士

随着移动互联网技术的快速发展,移动设备逐渐成为主流终端,海量移动应用应运而生。这些移动应用大大提高了生产效率,为用户的生活带来许多便利,然而,海量的移动应用也带来了信息过载等问题,用户很难准确找到符合自己喜好的应用,信息过... 详细信息

随着移动互联网技术的快速发展,移动设备逐渐成为主流终端,海量移动应用应运而生。这些移动应用大大提高了生产效率,为用户的生活带来许多便利,然而,海量的移动应用也带来了信息过载等问题,用户很难准确找到符合自己喜好的应用,信息过载问题愈发严重。为解决这些问题,需要科学的方法来帮助用户进行选择。个性化移动应用推荐系统即为一种可行方案,其利用用户历史行为数据,通过挖掘用户潜在偏好,向用户推荐符合需求的移动应用。然而,面对海量的移动应用和繁杂的用户历史数据,如何收集和处理这些数据也是一个重要问题。面对以上挑战,移动应用数据的高效集中收集与精准的个性化推荐算法是解决信息过载的可行方案。本文提出了一个基于联合矩阵分解的移动应用推荐框架,使用矩阵分解模型预测用户和移动应用之间的关系。与传统的矩阵分解不同,本文发现用户之间的相似性、移动应用之间的相似性都会对推荐的结果产生影响。因此,本文使用矩阵中的数据作为向量,计算用户之间、移动应用之间的相似性,并分别利用挖掘到的相似性信息构建两个联合矩阵分解模型。为同时利用上述两种相似性,本文将进一步提出一个集成推荐模型,通过上述模型实现对用户与移动应用之间关联的预测。本文在真实的移动应用数据集上进行了实验,并将所提出的模型与已有的代表性方法进行了比较。实验结果表明,本文提出的框架在所有情形中都产生了最佳性能,在面对冷启动问题时也能够得出良好的预测结果。同时本文实现了一个基于流式数据处理框架的移动应用推荐数据集成平台,该系统在各个异构数据源之间传输并处理移动应用的使用数据,基于大数据处理、数据采集等技术,解决异构数据源之间的连通问题,最终完成移动应用推荐任务。在系统设计实现方面,本文设计了系统架构并对各个功能模块进行设计与实现。具体地,采用微服务框架设计系统整体架构,以方便功能扩展;使用流式数据处理框架完成移动应用推荐任务,同时从源数据源中抽取数据、处理数据并将其加载至目标数据源;根据数据集成任务和移动应用推荐任务的实际需求设计了数据库中的数据存储方案。最后,本文将该系统部署到运行环境中,对系统的主要功能设计测试用例并在运行环境中完成系统功能性测试。同时,对数据传输的性能以及任务并行处理的规模进行了测试,测试结果表明本系统全面完成了既定需求。

关键词：移动应用推荐协同过滤矩阵分解数据集成分布式系统

来源：评论

学校读者我要写书评

暂无评论

基于内容的移动应用划分与推荐方法的研究及实现

基于内容的移动应用划分与推荐方法的研究及实现

引用

作者：张祥平湖南科技大学

学位级别：硕士

随着移动互联网的发展,使用智能手机的用户越来越多,移动应用也得到了快速的发展。据统计,目前在Google Play和App Store的移动应用数量已经超过了一百五十万,微信小程序也已经超过一百万个。面对海量的移动应用描述数据,用户无法一一... 详细信息

随着移动互联网的发展,使用智能手机的用户越来越多,移动应用也得到了快速的发展。据统计,目前在Google Play和App Store的移动应用数量已经超过了一百五十万,微信小程序也已经超过一百万个。面对海量的移动应用描述数据,用户无法一一查看之后再做出选择。因此,当用户需要寻找一个新的移动应用时,一个有效的移动应用查询与推荐系统可以很好地帮助用户做出决策。考虑到移动应用商店中使用的传统的移动应用推荐方法一般都是提供如排行榜,分类列表,编辑推荐之类的推荐方法。这些方法要么只能推荐热门的移动应用,要么需要人工进行预先挑选。在一定程度上并不能获得较好的推荐结果。因此,本文提出了一种基于文本内容的移动应用自动划分与推荐的方法。该方法分为两部分:(1)提出了一种基于移动应用描述文本进行移动应用自动划分的方法。首先使用不同的文本建模工具,对移动应用描述文本进行建模,获得文档向量。之后使用不同的分类聚类算法对移动应用进行划分。从而使得移动应用按照功能进行划分,能够有效降低移动应用的查找时间,并且可以提供基于分类聚类的移动应用查询列表供用户查询。(2)在上一步完成的移动应用划分的基础上进行移动应用推荐。我们首先将用户的查询语句与移动应用的描述文本同时进行文本建模,并且在移动应用划分的基础之上,找到与查询语句最相似的移动应用簇类。将该簇类中所有移动应用的各种属性,如分类,下载量,价格,评分等信息进行融合,之后使用深度因子分解机算法进行移动应用的推荐评分预测。最后,将评分较高的前N个移动应用作为推荐结果推荐给用户。

关键词：移动应用移动应用推荐文本建模深度因子分解机主题模型

来源：评论

学校读者我要写书评

暂无评论

全时时序行为数据驱动的移动应用特征分析与个性化推荐研究

全时时序行为数据驱动的移动应用特征分析与个性化推荐研究

引用

作者：方锦源深圳大学

学位级别：硕士

随着移动技术的发展突破和移动应用开发门槛的降低,各类功能应用如雨后春笋般涌现。移动应用市场的快速膨胀在给用户带来极大便利和更多选择的同时,也使得选择合适的移动应用变得十分耗时且充满挑战。推荐系统的发展在一定程度上缓解了... 详细信息

随着移动技术的发展突破和移动应用开发门槛的降低,各类功能应用如雨后春笋般涌现。移动应用市场的快速膨胀在给用户带来极大便利和更多选择的同时,也使得选择合适的移动应用变得十分耗时且充满挑战。推荐系统的发展在一定程度上缓解了用户在面对海量移动应用时的选择困扰。如何高效利用推荐系统精准地向用户进行推荐,已成为当今一个颇具挑战性的问题。已有的移动应用推荐大多将移动应用作为常规项目来看待,没有充分考虑移动应用自身特点,导致推荐的移动应用往往多样性很低。多数研究注重于移动应用项目本身,忽视了从用户使用模式和偏好特征的视角进行个性化倾向识别。考虑到目前的研究不足,本文基于用户全时时序行为数据进行统计性分析,从移动应用特征和用户使用特征两个层面出发,探索用户行为模式,利用异构信息网络探究用户使用移动应用行为的内在规律。在此基础上,本文设计了一个自适应融合用户长期全局稳定偏好与短期即时波动偏好的复合兴趣推荐模型,实现对移动应用的推荐,并通过实验结果证明本文所提方法在移动应用推荐方面取得了比经典移动应用推荐算法更优异的结果。本文的主要研究贡献如下: (1)实现了全时时序行为数据驱动的移动用户行为模式挖掘,提取出了移动应用间的高相关性与高互补性等深层次关系。以往研究大多利用用户显式反馈信息研究,而本文基于用户与移动应用交互时产生的多种行为数据进行分析,真实交互特征丰富,使得挖掘用户真实兴趣并实现精准推荐成为可能。 (2)设计了自适应长短期偏好融合机制,并构建了一个自适应融合用户长期全局稳定偏好与短期即时波动偏好的复合兴趣推荐模型。本文提出了新的用户兴趣建模框架,在关注用户全局稳定偏好的基础上实现了对用户兴趣漂移的有效捕捉。不仅突出了用户在长期时间跨度上的渐进式特征,也关注了用户在短期时间跨度上的突变式特征。 (3)提出了一种面向用户真实全天候使用情境的长期偏好挖掘方法。本文利用注意力机制改进了长短期记忆网络算法的输出门,使得模型在处理长序列数据这一创新数据视角时能精准聚焦于更能体现用户偏好的数据上。此外,本文的改进也增强了模型的可解释性。总的来说,本文丰富了用户行为序列数据挖掘、用户兴趣建模和个性化移动应用推荐等领域的相关理论和方法研究,也为应用商店设计推荐策略提供了实践性指导,为移动应用的推广和发展创造了新的机会,推动了移动应用生态系统的良性发展。移动应用的发展具有深远的战略意义,甚至决定一家互联网企业的遐想空间与发展高度,本文对移动应用的研究也可为广大互联网科技企业提供一定的发展指导与经验启示。

关键词：全时时序行为数据移动应用关联性用户兴趣复合建模移动应用推荐深度学习

来源：评论

学校读者我要写书评

暂无评论

移动个性化应用推荐系统的设计和实现

移动个性化应用推荐系统的设计和实现

引用

作者：鄢舒源北京邮电大学

学位级别：硕士

随着移动互联网的飞速发展,移动应用的日益增多,应用市场竞争日益激烈。面对大量的移动应用,移动用户需要花费大量的时间来选择他们感兴趣的应用,开发者也需要花费高昂的推广成本来获取用户。为了便于用户更方便的找到想要的应用,并且... 详细信息

随着移动互联网的飞速发展,移动应用的日益增多,应用市场竞争日益激烈。面对大量的移动应用,移动用户需要花费大量的时间来选择他们感兴趣的应用,开发者也需要花费高昂的推广成本来获取用户。为了便于用户更方便的找到想要的应用,并且能够提供更多的应用曝光机会来帮助移动应用开发者推广应用,降低推广成本,移动个性化应用推荐系统应运而生。本文在传统推荐系统的基础上,结合了移动互联网的特性,设计并实现了一个适用于移动互联网的应用推荐系统。本文首先介绍了课题背景、研究内容以及移动个性化应用推荐系统使用到的相关的技术。其次结合了移动互联网的特点,针对移动终端用户和移动应用开发者进行了需求分析,并提出了一种交叉互推的应用推荐方式。接着本文根据移动终端用户的使用行为和使用习惯,针对传统Slope One推荐算法的不足,提出了一种基于用户隐式反馈的混合推荐算法,并通过测试证明混合推荐算法具有更高的准确性。之后基于当前主流移动终端操作系统的特性,提出了适用于移动个性化应用推荐系统的用户标识方法,并根据对移动用户和移动开发者的需求分析,基于用户隐式反馈的混合推荐算法设计了具有正确性、可用性以及可扩展性的移动个性化应用推荐系统,实现了推荐引擎模块、日志收集处理模块以及离线计算模块。最后对实现的系统进行了功能测试和性能测试,并对本文的工作进行了总结和展望。

关键词：隐式反馈个性化推荐移动互联网移动应用推荐协同过滤

来源：评论

学校读者我要写书评

暂无评论

一种基于APP无缝集成的应用流自动协同框架

引用

计算机学报 2019年第12期42卷 2631-2646页

作者：陈世展王茹冯志勇薛霄何强林美辰天津市认知计算与应用重点实验室天津300350 天津大学智能与计算学部天津300350 斯威本科技大学电子信息及软件工程学院墨尔本3122澳大利亚

应用市场中存在着海量的移动应用(mobile Application,App),无论是在个人日常生活还是在专业领域都发挥着非常重要的作用.每个移动应用都是由不同的提供者独立开发的,提供特定的服务,在设计之初并没有考虑与其他移动应用之间的协同,这... 详细信息

应用市场中存在着海量的移动应用(mobile Application,App),无论是在个人日常生活还是在专业领域都发挥着非常重要的作用.每个移动应用都是由不同的提供者独立开发的,提供特定的服务,在设计之初并没有考虑与其他移动应用之间的协同,这种彼此隔绝使其呈现出碎片化特征.面对日渐复杂的用户需求,这种碎片化特征导致用户在多个移动应用间频繁切换才能完成特定任务,用户体验较差.本文重点关注异构自治移动应用间以及移动应用与用户间的协同交互,提出一个基于Android的移动应用自动协同框架,允许在相关的移动应用之间信息共享与复用,并按照应用流的方式逐一执行,从而实现无缝连接满足复杂用户需求.该框架的关键技术包括三个部分:(1)将移动应用的内部数据表示为〈存储,语义,语法〉三元组,并利用静态分析和动态分析技术生成移动应用抽象服务化模型,为异构应用间数据复用奠定基础;(2)使用Nowcasting和Forecasting结合的移动应用预测方法及客户定制方法来构建应用流(mobile Application Flow,App Flow);(3)基于参数注入和Android进程间通信机制设计实现了移动应用间自动协同按需跳转执行引擎.在Android 7.1系统上实现了框架原型,并针对旅行外出典型应用场景展示了异构自治移动应用自动协同的效果.

关键词：移动应用流自动协同移动应用推荐用户定制 Android

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：