摘要随着移动互联网和各种终端的发展,推荐算法开始兴起并逐渐流行起来。2015年移动电商业务发展更加快速,相比PC时代,移动终端的访问是随时可能发生的,并且具有更丰富的场景数据。本毕业设计以淘宝移动电商平台的真实用户-商品行为数据为基础,对数据进行了预处理并使用处理后的数据进行特征的提取和选择,将经过筛选的特征作为输入,使用相关算法构造推荐模型并输出预测结果。对使用逻辑回归、随机森林、GBDT算法的单模型预测进行了研究,并对其预测结果进行性能的分析和比较;为了尽可能地提高推荐结果的高效性和准确性,对融合模型进行了进一步研究。82923
毕业论文关键词 推荐算法 数据预处理 特征提取 推荐模型
毕业设计说明书外文摘要
Title Research on Recommendation Algorithms for Taobao Mobile Data
Abstract With the development of mobile Internet and various terminals, recommendation algorithms begin to rise and become popular。 M-Commerce service developed more rapidly in 2015。 Compared to the PC era, mobile terminal’s access is likely to occur at any time, and it has a wealth of data。 This graduation project is based on the real users-commodities behavior data on Taobao M-Commerce platform。 Through data preprocessing, feature extraction and using algorithms to build a M-Commerce recommendation model and outputing predictions。 This thesis conducts researches on the single model prediction by employing logic regression, random forest and GBDT algorithm, and also performs the analysis and comparison of prediction results obtained by above-mentioned methods。 In order to improve the efficiency and accuracy of recommendation results to the most extent, this thesis also conducts further researches on fusion model。
Keywords Recommendation algorithm data preprocessing feature extraction recommendation model
目 次
1 引言 1
1。1 课题研究背景和意义 1
1。1。1 研究背景 1
1。1。2 研究意义 1
1。3 研究内容及结构安排 2
2 算法框架设计和数据预处理 4
2。1 设计背景 4
2。1。1 问题定义 4
2。1。2 原始数据 4
2。2 算法框架 5
2。3 数据预处理 6
2。3。1 数据清理 6
2。3。2 数据规约 7
2。4 本章小结 9
3 特征工程 10
3。1 特征构造 10
3。2 特征选择 14
3。3 本章小结 15
4 相关算法基础理论 16
4。1 逻辑回归算法 16
4。1。1 分类原理 16
4。1。2 模型学习算法 GBDT面向淘宝数据的移动推荐算法研究:http://www.youerw.com/jisuanji/lunwen_97494.html