發(fā)布時間：2017-12-04 16:08

  本文關(guān)鍵詞：電子商務(wù)個性化推薦關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 電子商務(wù) 個性化推薦 協(xié)同過濾 興趣變化

【摘要】：隨著網(wǎng)絡(luò)的普及和電子商務(wù)的廣泛應(yīng)用,越來越多的信息充斥在互聯(lián)網(wǎng)之中,用戶在享受網(wǎng)上購物帶來的便捷的同時也面臨著信息過載問題的困擾。為了在大量的商品信息中找到符合用戶需求的信息,電子商務(wù)推薦系統(tǒng)應(yīng)運而生。 協(xié)同過濾推薦算法是目前推薦系統(tǒng)應(yīng)用最廣泛和最為成功的技術(shù)之一,本文以協(xié)同過濾推薦算法為研究目標,以提高目標用戶的最近鄰居的質(zhì)量為出發(fā)點,對傳統(tǒng)的基于用戶的協(xié)同過濾推薦算法在應(yīng)用中存在的稀疏性問題、相似性計算不區(qū)分對待目標用戶喜歡與不喜歡的項、以及不能反應(yīng)用戶興趣變化等關(guān)鍵問題,給出了一種改進的協(xié)同過濾推薦算法。該算法與現(xiàn)有的算法相比,其優(yōu)勢如下:第一,在用戶顯式評分的基礎(chǔ)上,對用戶瀏覽的項目進行了更細致的劃分,對那些“已瀏覽未評分的項”采用隱式評分的方式來擴展原有的用戶-項評分矩陣,緩解了數(shù)據(jù)稀疏性問題;第二,使用本文給出的基于時間權(quán)重與目標用戶正興趣的相似性計算公式,只在目標用戶具有正興趣的項上計算用戶相似性,提高了最近鄰居的質(zhì)量,同時,賦予目標用戶近期訪問項更高的權(quán)重,有效反映了目標用戶的興趣變化;第三,使用了原有電子商務(wù)網(wǎng)站的項目分類模型作為算法分類的標準,在各個不同的子類中尋找目標用戶的最近鄰居,在每個子用戶-項評分矩陣上生成子預(yù)測侯選推薦集合,這樣可以找到更“真”的鄰居。 通過在MovieLens和EachMovie數(shù)據(jù)上對平均絕對誤差的對比分析實驗證明,改進的算法在一定程度上比傳統(tǒng)的基于用戶的協(xié)同過濾算法有更高的評分預(yù)測準確度。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2010
【分類號】：TP301.6

【引證文獻】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 范敏敏;非負矩陣分解與聚類方法在個性化推薦系統(tǒng)中的應(yīng)用研究[D];華東交通大學(xué);2012年

，

本文編號：1251556