發(fā)布時間：2018-07-25 17:26

【摘要】：用戶興趣模型是電子商務(wù)個性化推薦服務(wù)的基礎(chǔ),用戶興趣數(shù)據(jù)的獲取則是構(gòu)建用戶興趣模型的核心環(huán)節(jié)。傳統(tǒng)的輪詢采集方法存在數(shù)據(jù)源不夠全面、在線應(yīng)用可擴展性差的不足,會導(dǎo)致同一業(yè)務(wù)分析所需數(shù)據(jù)采集時間跨度大、先采集數(shù)據(jù)可能失效等情況,使得最終業(yè)務(wù)分析結(jié)果出現(xiàn)偏差。針對上述問題,對B2C電子商務(wù)用戶興趣數(shù)據(jù)進行了深入分析,提出了一種基于智能Agent的多源用戶興趣數(shù)據(jù)采集機制DFM-IA(Data Fetching Mechanism based on Intelligent Agent)。DFM-IA以用戶Session為基本處理單元,設(shè)計了四種智能Agent(Fetching Agent、Watching Agent、Sort Agent、Logical Agent)和三條排序規(guī)則,對七類用戶興趣數(shù)據(jù)(瀏覽行為、關(guān)鍵詞搜索、收藏行為、購物車行為、訂單行為、支付行為、評價行為)進行排序與合并處理,從而在豐富數(shù)據(jù)采集源的同時大幅提高了在線數(shù)據(jù)采集效率,有助于解決推薦服務(wù)的數(shù)據(jù)稀疏性問題。仿真實驗表明了該機制的高效性。
[Abstract]:User interest model is the basis of e-commerce personalized recommendation service, and the acquisition of user interest data is the core of building user interest model. The traditional polling data collection method is not comprehensive in data source and poor in the scalability of online application, which will lead to the long time span of data acquisition required for the same business analysis, and the possibility of failure of the first data acquisition, etc. The result of the final business analysis is biased. In order to solve the above problems, the user interest data of B2C e-commerce is analyzed in depth, and a multi-source user interest data acquisition mechanism based on intelligent Agent is proposed. DFM-IA (Data Fetching Mechanism based on Intelligent Agent). DFM-IA takes user Session as the basic processing unit. Four kinds of intelligent Agent (Fetching agents sort logical Agent) and three collation rules are designed to sort and merge seven kinds of user interest data (browsing behavior, keyword searching, collecting behavior, shopping cart behavior, order behavior, payment behavior, evaluation behavior). Thus, the efficiency of online data acquisition is greatly improved while enriching the data collection sources, and it is helpful to solve the problem of data sparsity of recommendation services. The simulation results show that the mechanism is efficient.
【作者單位】： 四川師范大學(xué)計算機科學(xué)學(xué)院;匹茲堡大學(xué)Katz商學(xué)院;四川師范大學(xué)圖書信息中心;合肥工業(yè)大學(xué)管理學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(71202165);國家自然科學(xué)基金重點資助項目(71331002) 四川省哲學(xué)社會科學(xué)規(guī)劃資助項目(SC13C019)
【分類號】：F713.36;TP391.3

【相似文獻】

相關(guān)期刊論文 前10條

1 王杰;使圖像的編輯更加容易[J];中文信息;1998年Z1期

2 王波,姚敏;基于信息抽取的匿名用戶興趣描述[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2004年S1期

3 董全德;;用戶興趣遷移模式與個性化服務(wù)[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年17期

4 鄭運剛;馬建國;;基于分類的用戶興趣漂移模型[J];情報雜志;2008年01期

5 張濤;;基于瀏覽歷史的用戶興趣提取模型[J];軟件導(dǎo)刊;2009年06期

6 楊杰;陳恩紅;;面向個性化服務(wù)的用戶興趣偏移檢測及處理方法[J];電子技術(shù);2009年11期

7 陳圣兵;李龍澍;紀(jì)霞;;多層次用戶興趣模式的動態(tài)捕捉[J];計算機工程與應(yīng)用;2009年36期

8 鄭曉健;龐淑英;何英;;一種面向主題的用戶興趣挖掘模型研究[J];昆明學(xué)院學(xué)報;2010年03期

9 花青松;劉海峰;胡錚;;基于基尼系數(shù)的用戶興趣分布模式度量方法[J];計算機工程;2012年22期

10 孫雨生;劉偉;仇蓉蓉;黃傳慧;;國內(nèi)用戶興趣建模研究進展[J];情報雜志;2013年05期

相關(guān)會議論文 前7條

1 趙琦;駱志剛;田文穎;李聰;丁凡;;一種基于負反饋信息的用戶興趣模型修正方法[A];中國通信學(xué)會第六屆學(xué)術(shù)年會論文集（下）[C];2009年

2 孫靜;郭奇;張志強;馮建華;;一種基于面向領(lǐng)域檢索系統(tǒng)的用戶興趣獲取方法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

3 孫鐵利;教巍巍;;基于馬爾科夫模型的用戶興趣導(dǎo)航模型系統(tǒng)(英文)[A];計算機技術(shù)與應(yīng)用進展——全國第17屆計算機科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2006年

4 廖祝華;劉建勛;易愛平;;基于用戶興趣的Web服務(wù)發(fā)現(xiàn)[A];2006年全國開放式分布與并行計算機學(xué)術(shù)會議論文集（三）[C];2006年

5 李曉黎;史忠植;梁永全;劉福桃;;INTERNET網(wǎng)上一種識別用戶興趣的學(xué)習(xí)方法[A];第十六屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1999年

6 田萱;杜小勇;;基于SAM模型的用戶興趣表示研究[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2006年

7 王勇;劉奕群;張敏;馬少平;茹立云;;基于用戶興趣分析的網(wǎng)頁生命周期建模(英文)[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

相關(guān)重要報紙文章 前1條

1 中國科學(xué)院計算技術(shù)研究所 王 斌;內(nèi)容為王[N];計算機世界;2004年

相關(guān)博士學(xué)位論文 前9條

1 梁政;面向在線社交網(wǎng)絡(luò)輿情的信息傳播分析關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

2 張召;在線論壇用戶興趣圖譜發(fā)現(xiàn)與個性化信息推薦[D];華東師范大學(xué);2012年

3 劉淇;基于用戶興趣建模的推薦方法及應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2013年

4 郭巖;網(wǎng)絡(luò)日志中用戶興趣的挖掘及利用[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2004年

5 吳麗輝;個性化的Web信息采集技術(shù)研究[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2005年

6 謝興;社會網(wǎng)絡(luò)中興趣發(fā)現(xiàn)與信息組織的研究[D];復(fù)旦大學(xué);2011年

7 李東勝;基于興趣與保護隱私的在線社區(qū)推薦技術(shù)研究[D];復(fù)旦大學(xué);2012年

8 陳浩;Web搜索的用戶興趣與智能優(yōu)化研究[D];中南大學(xué);2012年

9 姜邵巍;基于競爭關(guān)系的推薦技術(shù)研究[D];北京郵電大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 陳媛媛;用戶興趣圖譜演化機制研究[D];武漢理工大學(xué);2014年

2 梁潤庭(Runting Leung);面向微博用戶的興趣識別算法的研究與實現(xiàn)[D];西南交通大學(xué);2015年

3 俞忻峰;新浪微博的數(shù)據(jù)采集和推薦方案研究[D];南京理工大學(xué);2015年

4 楊梅;基于樹型網(wǎng)絡(luò)的多源用戶興趣數(shù)據(jù)融合方法研究[D];四川師范大學(xué);2015年

5 石光蓮;基于形式概念分析的Folksonomy用戶興趣識別研究[D];西南大學(xué);2015年

6 湯文清;微博用戶的興趣及性格分析[D];上海大學(xué);2015年

7 梅佩;基于瀏覽內(nèi)容的用戶興趣研究[D];北京化工大學(xué);2015年

8 張少杰;基于用戶興趣的微博廣告投放系統(tǒng)的設(shè)計與實現(xiàn)[D];山西大學(xué);2015年

9 黃龍偉;基于蟻群算法的WEB日志用戶興趣路徑研究[D];江西師范大學(xué);2015年

10 方正;微博短文本分析技術(shù)研究及應(yīng)用[D];電子科技大學(xué);2014年

，

本文編號：2144518