1、“.....合策略逻辑回归模型介绍介绍基于逻辑回归的混合推荐策略推荐系统评测指标准确率召回率值覆盖率精确度衡量指标等第三章推荐系统的架构设计与实现数据集合层用户属性集合游戏属性集用户游戏交叉属性集推荐内核层样本生成层训练预测层推荐系统外层第四章算法设计与实现目录基于逻辑回归的混合推荐模型实验设计实验原理样本选取特征的选取训练集与测试集选取通过对比实验选择算法模型对比实验基于协同过滤的推荐和基于逻辑回归的混合推荐对比试验二基于社交网络的推荐和基于逻辑回归的混合推荐算法模......”。

2、“.....实验三调整天训练集实验四加入交叉属性特征基于逻辑回归的混合推荐正在改进之处第五章结果与展望游戏应用中心的推荐系统结果分析游戏中心推荐系统研究的难点及发展方向参考文献致谢第章序论第章序论研究背景随着互联网的快速发展，网络接入服务器和网页的数量呈指数增长的趋势。互联网技术的飞速发展使大量信息在同时间出现在我们面前，例如，有数以万计的电影，亚马逊有上百万的书籍，如此多的信息......”。

3、“.....帮助不同用户找到个性化的感兴趣的信息的需求越来越迫切。图亚马逊个性化推荐为您推荐个性化推荐系统是基于属性和用户的行为特征，挖掘用户潜在感兴趣的对象和推荐相关的内容给用户的系统。下完成的。屈婉玲和李素科老师作为优秀的经验丰富的教师，具有丰富的领域知识和经验，在整个论文实验和论文写作过程中，对我进行了耐心的指导和帮助，提出严格要求，引导我不断开阔思路，为我答疑解惑，鼓励我大胆创新，使我在这段宝贵的时光中......”。

4、“.....又培养了良好的实验习惯和科研精神。在此，我向我的指导老师表示最诚挚的谢意,硕士研究生学位论文题目游戏应用中心推荐系统设计与实现姓名学号院系专业研究方向导师姓名二〇五年四月摘要摘要互联网为用户带来了海量信息，但也使得用户在大量数据中难以找到自己真正感兴趣的内容，降低了信息使用效率。推荐系统是解决此类问题的种有效方式。通过分析用户历史行为，推荐系统能够帮助用户快速发现真正感兴趣和高质量的信息，从而提升用户体验，提高产品使用黏性......”。

5、“.....如下两方面需求非常迫切对用户而言，往往很难在游戏应用中心的几万款游戏中快速找到自己所喜欢的对公司而言，游戏应用中心带来的收入丰厚，通过推荐系统提高用户的下载率，具有很高的商业价值。在推荐系统的设计与实现中，首先对主流的推荐算法模型进行介绍，并重点分析各自的优劣势。然后分别从两个层面介绍推荐系统的搭建过程在系统架构层面，使用数据集合层推荐内核层推荐外层的三层结构，其中在推荐内核层使用样本生成层和训练预测层两个子层......”。

6、“.....以适应当前大数据量的分析。在算法设计与实现层面，设计不同算法模型的对比实验，并最终选择了基于逻辑回归的混合推荐模型。接下来通过系列算法改进策略，如添加新的特征改进当前样本选取方式改进特征选取方式等持续优化模型。创新性地提出交叉特征，使得基于逻辑回归的混合推荐模型可以很好地个性化根据个体特性推荐不同游戏。结果表明在加入交叉特征后，实验中评测指标召回率提升，准确率提升，改善了当前模型的推荐效果......”。

7、“.....并对未来系统的建设提出改进的方法和建议。关键词推荐系统，逻辑回归混合推荐，交叉特征，推荐系统架构北京大学硕士学位论文‟‟，系统架构层面，提出使用数据集合层推荐内核层推荐外层的三层结构，并对推荐内核层使用样本层和训练层双子层。另外对于特征构建提出对应的特征框架。这样的架构处理性能较高，可扩展性好，能够很好地适应当前工业界大数据的分析。二算法实现层面，首先通过设计多项对比实验......”。

8、“.....前者的主要优势在于实验评测表现较优，且特征的可扩展性较好。然后，对于基于逻辑回归的混合推荐模型进行改进。进行多组改进实验，如添加新的特征改进当前样本选取方式改进特征选取方式等持续改进并优化模型。在改进的过程中，发现并使用了交叉特征，使得该模型很大程度上克服了个性化不足的问题。同时，实验结论证明，在加入交叉特征后，推荐效果有了较大提升。游戏中心推荐系统研究的难点及发展方向近年来推荐系统发展迅猛，越来越多的企业和产品加入了推荐系统......”。

9、“.....以游戏中心的推荐系统而言，我们遇到了如下技术难点负样本缺失。在本文中，我们采用模拟曝光的方式来补充负样本，实际上来说，很多类似于游戏中心的应用场景没有或者很难对负样本的曝光场景进行记录，北京大学硕士学位论文从而在负样本上存在缺失现象。类似的样本问题将会给推荐系统的效果带来不利影响。推荐系统的隐私性研究对于推荐系统而言，需要使用大量的用户交互数据。然而如何保护用户隐私，并安全地进行数据使用是当前带给公司的项挑战。可喜的是......”。