梁 潘

(成都航空职业技术学院 机电工程学院，四川 成都 610100)

基于LDA-GA算法的移动目录优化研究

梁 潘

(成都航空职业技术学院 机电工程学院，四川 成都 610100)

针对移动设备向用户推荐产品时受限于尺寸的问题，目前普遍采用个性化协作推荐算法来实现开发面向移动目录(MOC)，但是传统的方法存在大数据环境下适应度不高、协作能力差等不足。为解决此问题，首先将主题建模算法与遗传算法相结合开发出LDA-GA算法，然后设计富有吸引力和协作性的产品推荐目录，最后将MOC应用在亚马逊APP和淘宝网APP进行实验比对分析并进行优化。实验结果表明：LDA-GA算法面对大量用户和产品数据时移动目录适应度更高、协作性更强，客户受众面大，推介效果更好。

移动目录；潜在狄利克雷分配；主题建模；遗传算法

0 引言

在电子商务中，移动目录(Mobile-Oriented Catalog)是一种有效的产品推荐方式[1-2]，它能有效解决页面尺寸受限的问题。每个APP或移动页面均可根据产品呈现的不同而进行不同的移动目录设计，通过移动目录来优化线上销售产品目录可能覆盖的大多数用户人群，从而扩大电商销售人员的收入[3]。

面向移动目录主题建模对语义分析影响重大，应用也多，如文本分类和基于内容的推荐系统，主题建模用来根据文档中关键词的分布从语库中发现一组“主题”。目前主要的主题建模算法是潜在狄利克雷分布(LDA)法[4]，用它来解决移动目录问题。移动目录问题起源于克莱因伯格等人提出的目录分割思想[5]，其理念主要是设计出针对客户细分而非个人的目录；……