基于用戶行為的電子書籍推薦系統(tǒng)研究.pdf

1、隨著移動互聯(lián)網(wǎng)的迅速發(fā)展，中國的移動互聯(lián)網(wǎng)用戶達(dá)到12.5億。網(wǎng)絡(luò)文學(xué)用戶大約為3.78億，原創(chuàng)網(wǎng)絡(luò)文學(xué)作品1300多萬本并且網(wǎng)絡(luò)文學(xué)市值達(dá)到5000億元人民幣。但在這3.78億用戶中參與評論和評分書籍的用戶不到50％，并且僅僅依靠用戶對書籍的評論與評分作為推薦依據(jù)無法獲得用戶的興趣遷移，因此如何獲取用戶對書籍興趣是一個(gè)值得關(guān)注的問題。
　　本文使用用戶閱讀行為和用戶評論行為兩類行為數(shù)據(jù)，在書籍推薦系統(tǒng)中進(jìn)行了相關(guān)研究，利用閱讀行

2、為數(shù)據(jù)解決了不參與書評用戶的評分問題，優(yōu)化了所有用戶的興趣遷移問題。論文的主要研究工作為:(1)通過研究和分析現(xiàn)有的用戶行為分析、情感分析和推薦系統(tǒng)相關(guān)技術(shù)與理論，驗(yàn)證了在推薦系統(tǒng)中使用用戶行為分析和情感分析技術(shù)的可行性;(2)通過分析、比較全體用戶的不同行為數(shù)據(jù)，得出了受用戶對書籍喜愛程度影響最大的兩個(gè)行為，閱讀時(shí)長和閱讀速度，并針對這兩個(gè)行為分別建立評分轉(zhuǎn)化模型——時(shí)長模型（Time模型）與速度模型（Speed模型），經(jīng)過一系列分析

3、本文將兩個(gè)評分模型線性結(jié)合得出理想的用戶-書籍評分模型，即時(shí)長-速度模型（Time-Speed模型）;(3)對于參與書評的用戶，直接使用Time-Speed模型進(jìn)行推薦，雖然能解決用戶興趣遷移問題，但推薦準(zhǔn)確率不如使用評論評分進(jìn)行推薦，所以本文使用情感分析的方法將書評數(shù)據(jù)量化為情感評分，使用情感評分對Time-Speed模型優(yōu)化，兩者之間線性結(jié)合，最后將由優(yōu)化后模型得到的評分送入使用協(xié)同過濾方法的推薦系統(tǒng)中。
　　實(shí)驗(yàn)結(jié)果表明，本