论文部分内容阅读
Web2.0的成熟和互联网的发展使得越来越多的工作得以从线下迁移到线上进行,由此出现了互联网群体协作的概念,众包即为其中一种较为典型的群体协作模式。在众包商业模式中,众筹的概念受到了普通用户的大量关注。众筹是一种面向大众的融资活动,利用大众的渠道和资金为某个项目提供一定的物质支持,因其投资额度和门槛较低且为普通个人提供了融资机会而受到人们的欢迎。从第一家众筹平台ArtistShare的建立到现在,众筹行业经历了迅速的发展,根据Massolution发布的2015CF众筹行业报告,2015年的众筹总金额将达到344亿美元。随着众筹平台规模的扩大,不仅平台越来越难以维护产品列表,用户也难以完整浏览并快速发现自己感兴趣的产品。根据对现有众筹平台的调查,平台提供的仅仅是排序功能,用户无法筛选产品,也无法得到系统推荐产品的服务。在众筹平台的起步阶段,因为产品和用户数量较少,因此平台现有架构能够满足使用需求;而在如今信息爆炸的时代,众筹的产品列表迅速增长,用户不仅期望能够快速有效获取信息,还希望系统能进行智能化的推荐。在新世纪兴起的电子商务及其他类似的平台很早就发现了这一问题,而应用于其中的各种个性化推荐算法则在不断改进的过程中帮助用户实现了信息的过滤、筛选以及自动化推荐的需求,在减少用户的搜索成本的同时提升了用户的使用满意度。但遗憾的是众筹平台目前还不能提供这些服务。因此,将个性化推荐应用在众筹平台中就显得很有必要。根据以往学者和业界对个性化推荐系统的研究,本文以众筹平台为目标,尝试探索将个性化推荐算法应用在众筹平台中的可行性及应用效果。考虑到国内外鲜有该领域的研究,因此本文首先利用文献调研法对个性化推荐的起源和发展进行归纳总结,分析比较各类推荐算法的优劣;然后较为细致地总结了众筹平台的发展历史和现状,对平台中项目和用户的特征属性进行了分析比较,阐明了在平台中应用个性化推荐方法的必要性和可行性。基于此,本文结合众筹平台的特征提出了使用协同过滤方法进行个性化推荐,并针对该算法的不足依次提出了基于内容的改进算法、基于降维的改进算法和组合协同过滤的改进算法;最后通过实际抓取数据进行测试验证了算法及其改进算法的推荐性能。本文的主要研究贡献体现在:(1)在较为完整地收集现有众筹平台用户、项目展示情况和相关信息的基础上,对其作了较为全面的结构功能分析,以此对众筹平台中项目和用户的特征属性进行了提取和筛选,以便将其用于个性化推荐的模型构建和计算。(2)将个性化推荐算法应用到了众筹平台中,并根据众筹平台的特点针对算法作了相应的改进,在抓取实际用户数据的基础上对改进算法的性能进行了多方面的验证。本文的不足主要是由于人力和资源条件的限制,获取的用户和项目数据规模仅能进行简单的实验验证,以致不能对以后大规模应用可能出现的问题以及算法改进提供进一步的建议。本文将在Web内容挖掘、组合协同过滤等方面做进一步深入研究,探索提高推荐效率的同时降低时间成本的更好方法。