本文選題：協(xié)同過濾 + 上下文�。� 參考：《中國科學院研究生院(沈陽計算技術研究所)》2016年碩士論文

【摘要】：傳統(tǒng)電子商務與智能移動設備的有效結合,可顯著提高用戶購物體驗。相較于PC端,智能移動設備具有續(xù)航時間短、終端處理能力相對較弱、網(wǎng)絡帶寬窄等缺陷,這就要求移動電子商務必須重視用戶體驗。研究表明,現(xiàn)有個性化推薦算法普遍存在數(shù)據(jù)稀疏性、冷啟動等難以克服的問題。本文依托實驗室“殨派網(wǎng)電子商務平臺”項目,針對上述問題,進行詳細討論并提出相應的解決方案。本文主要研究內(nèi)容如下:1.提出一種適用于移動端電子商務平臺用戶冷啟動問題的解決方案。用戶冷啟動解決方案可分為三個步驟:(1)利用已有用戶點擊瀏覽記錄,提取用戶上下文特征;(2)利用提取的用戶上下文特征訓練用戶興趣分類模型;(3)利用用戶興趣分類模型預測新用戶購物興趣,完成個性化推薦。2.現(xiàn)有協(xié)同過濾推薦算法存在推薦準確度和數(shù)據(jù)稀疏性問題,引入用戶信任機制,設計并實現(xiàn)了融合用戶信任度模型的協(xié)同過濾推薦算法。本文將用戶信任的產(chǎn)生方式分為兩部分:社會聲譽產(chǎn)生的信任和社會相似性產(chǎn)生的信任;提取表征用戶信任的上下文特征,利用層次分析法完成模型構建過程。改進的協(xié)同過濾推薦算法通過閾值過濾的方式融合用戶信任最近鄰和用戶評分相似最近鄰,實現(xiàn)為用戶匹配更多鄰居的目的;改進現(xiàn)有評分預測公式,使得評分預測過程充分考慮用戶信任關系對推薦結果的影響。實驗結果表明,本文提出的改進算法有效的解決了用戶冷啟動問題,顯著提高了個性化推薦系統(tǒng)的推薦質量。
[Abstract]:The effective combination of traditional e-commerce and smart mobile devices can significantly improve the user shopping experience.Compared with PC, smart mobile devices have some shortcomings, such as short life, weak terminal processing capacity and narrow network band. Therefore, mobile e-commerce must pay more attention to user experience.The results show that the existing personalized recommendation algorithms are difficult to overcome, such as data sparsity and cold start.Based on the project of Electronic Commerce platform, this paper discusses the above problems in detail and puts forward the corresponding solutions.The main contents of this paper are as follows: 1.This paper presents a solution to the cold start problem of mobile e-commerce platform.The user cold boot solution can be divided into three steps: 1) using existing user click browsing records,Using the extracted user context feature to train the classification model of user interest.) using the model of user interest classification to predict the new user's shopping interest and to complete the personalized recommendation.The problems of recommendation accuracy and data sparsity exist in the existing collaborative filtering recommendation algorithms. The user trust mechanism is introduced to design and implement the collaborative filtering recommendation algorithm which integrates the user trust model.In this paper, the generation of user trust is divided into two parts: trust generated by social reputation and trust generated by social similarity, and the contextual features that represent user trust are extracted, and the process of model construction is completed by using the Analytic hierarchy process (AHP).The improved collaborative filtering recommendation algorithm combines the user trust nearest neighbor and the user rating similar nearest neighbor by threshold filtering to achieve the goal of matching more neighbors for the user, and improves the existing scoring prediction formula.The effect of user trust on recommendation results is fully considered in the scoring prediction process.The experimental results show that the proposed improved algorithm can effectively solve the cold start problem of users and improve the recommendation quality of personalized recommendation system.
【學位授予單位】：中國科學院研究生院(沈陽計算技術研究所)
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3

【相似文獻】

相關期刊論文 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時間序列性的推薦算法[J];計算機系統(tǒng)應用;2006年10期

2 余小鵬;;一種基于多層關聯(lián)規(guī)則的推薦算法研究[J];計算機應用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進[J];計算機應用與軟件;2008年09期

4 張立燕;;一種基于用戶事務模式的推薦算法[J];福建電腦;2009年03期

5 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

6 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強;;智能博物館環(huán)境下的個性化推薦算法[J];計算機工程與應用;2010年19期

7 王文;;個性化推薦算法研究[J];電腦知識與技術;2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進評價估計的混合推薦算法研究[J];微計算機信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機工程與應用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學學報(自然科學版);2011年03期

相關會議論文 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應用技術交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

4 周玉妮;鄭會頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動商務個性化推薦系統(tǒng)[A];社會經(jīng)濟發(fā)展轉型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡的含時推薦算法[A];第五屆全國復雜網(wǎng)絡學術會議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：1737065