基于異構(gòu)信息網(wǎng)絡(luò)聚類的APP推薦算法研究.pdf

1、移動應(yīng)用(Mobile Application，APP)市場采用推薦技術(shù)將APP推薦給不同的用戶，以此幫助用戶從海量的APP中發(fā)現(xiàn)感興趣的內(nèi)容。但是由于APP所處領(lǐng)域的限制，APP推薦存在一系列的問題，例如APP使用分布容易出現(xiàn)重頭和長尾現(xiàn)象、數(shù)據(jù)稀疏問題、冷啟動問題等。其中，重頭和長尾現(xiàn)象的出現(xiàn)不利于APP領(lǐng)域的發(fā)展，數(shù)據(jù)稀疏問題則限制了推薦算法的效率，而且隨著APP數(shù)量的增長，這些問題將日益突出。
　　Netflix競賽的出現(xiàn)

2、在很大程度上推動了推薦領(lǐng)域的發(fā)展，但是APP推薦算法研究還不成熟。目前移動應(yīng)用市場APP推薦算法主要集中在關(guān)聯(lián)推薦、熱門推薦以及新品推薦等，這些傳統(tǒng)的推薦方法沒有從根本上解決APP推薦面臨的問題。隨著APP市場的日益完善，APP市場將擁有更加完備的APP信息以及用戶信息，如何利用這些信息幫助解決APP推薦面臨的一系列問題變得十分重要。
　　針對APP數(shù)據(jù)集特點(diǎn)，本文提出將排序方法、聚類技術(shù)與推薦算法相結(jié)合，共同挖掘APP多維度文本

3、數(shù)據(jù)中蘊(yùn)藏的關(guān)系信息，在此基礎(chǔ)上開展基于異構(gòu)信息網(wǎng)絡(luò)聚類的APP推薦算法研究。第一，構(gòu)造多維度文本組成的APP信息網(wǎng)絡(luò)模型，包括用戶、APP、描述文本、發(fā)布者信息以及分類信息等。第二，通過兩種排序算法獲取附屬類型對象的排序分布。第三，在排序分布的基礎(chǔ)上建立一個(gè)針對中心類型的混合概率生成模型，使用EM算法估計(jì)參數(shù)的最優(yōu)值，然后依據(jù)貝葉斯理論獲得對象的后驗(yàn)概率，根據(jù)對象的聚類分布重新劃分類簇。第四，根據(jù)APP以及用戶聚類結(jié)果開展兩種不同的協(xié)