题目：基于PLSA的移动应用推荐系统的设计与实现

随着移动互联网信息传输质量和速率的不断提高,以及移动智能终端计算能力的快 速提升,越来越多的移动应用走入人们的视线,并深刻影响着人们的生活。截止 2014 年初,苹果应用商店拥有超过 1,000,000 个应用。如何帮助用户筛选感兴趣的应用是 一个有意义的课题。

目前,移动互联网广告平台的积分墙业务是推荐应用的有效途径。然而,当前主流 广告平台在展示积分墙的应用列表时,没有考虑用户的行为和属性,只是按照广告应用 的投放价格降序排列。这种方式影响用户的留存和活跃,造成广告平台有大量的新用户, 积分墙的点击率和转化率也不高。

本文通过收集移动广告平台用户的历史行为日志,分析和处理离线数据,生成离线 推荐结果,并结合用户实时属性,实现了移动应用的在线推荐。

首先建立了一个基于 PLSA-Probabilistic Latent Semantic Analysis(概率潜在语义分 析)的移动应用推荐模型。模型分为用户行为收集、离线数据分析与处理和在线推荐三 个模块。使用了 HDFS 存储用户行为日志,离线数据分析与处理模块承担了离线推荐结 果生成的工作,在线推荐模块则根据用户实时请求计算出组合属性,结合离线推荐结果, 实时向移动广告平台推送推荐结果。

接着研究了一种面向移动广告平台的离线数据分析和处理的混合推荐算法。该方法 首先使用基于正态概率潜在语义分析的推荐模型生成推荐结果,然后使用 Mahout 基于 项目的分布式协同过滤的方法生成推荐结果,将两个推荐结果线性加权并建立索引生成 最终结果。

最后,设计了一种在线推荐方法,并设计和实现了一个面向移动广告平台的实时移 动应用推荐系统,将系统应用于移动广告平台的实际运营,提高了移动广告平台积分墙 业务的点击率和转化率。