【摘要】：隨著互聯(lián)網(wǎng)的普及,以及電子商務的迅猛發(fā)展,網(wǎng)絡交易日漸流行,越來越多的商品從現(xiàn)實交易轉(zhuǎn)向虛擬交易,導致信息資源的數(shù)據(jù)種類和數(shù)據(jù)量迅速增長,推動了電子商務個性化推薦的研究與發(fā)展。目前,電子商務推薦的核心思想是基于各種相關(guān)關(guān)系,如用戶關(guān)系、商品關(guān)系、用戶與商品的關(guān)系。然而,當用戶消費行為數(shù)據(jù)沒有或很少,或用戶共同的選擇較少,或某商品不在歷史行為數(shù)據(jù)中,相關(guān)關(guān)系將缺乏或不足,導致無法通過相似性進行預測,出現(xiàn)數(shù)據(jù)稀疏性問題或者冷啟動問題,降低推薦準確性,難以恰當?shù)叵蛴脩籼峁┩扑]服務。另外,用戶的消費偏好和消費性格特點,對其消費行為有重要的影響,當商品的效用與用戶的消費性格相符,用戶才可能有消費行為,這為電子商務的個性化推薦提供了一個新的研究視角。因此,如何在減少或消除上述問題的同時,從海量的消費行為數(shù)據(jù)中挖掘出用戶感興趣或需要的商品,并精準的推薦給目標用戶,已成為個性化推薦相關(guān)研究的熱點。本文主要工作包括:(1)詳細分析了個性化推薦算法和復雜網(wǎng)絡社團結(jié)構(gòu)發(fā)現(xiàn)算法及其特點。(2)考慮到當前個性化推薦系統(tǒng)對準確性的需求,選擇具代表性的CNM個性化推薦算法,通過引入點權(quán)、邊權(quán)、JSD距離計算項目相似度公式進行CNM算法優(yōu)化和驗證。(3)基于對用戶消費性格的分析,引入條件互信息和條件相對平均熵來獲取K2算法中初始節(jié)點輸入次序,然后利用CH評分函數(shù)和后驗概率函數(shù)對貝葉斯網(wǎng)絡進行學習,分析出用戶消費性格。(4)使用學習好的貝葉斯網(wǎng)絡進行推理,判斷用戶待推薦域的商品與用戶消費性格的聯(lián)系,得到最終的商品推薦域。(5)給出了電信閑置資產(chǎn)市場化交易系統(tǒng)的需求分析與系統(tǒng)設(shè)計,并將本文研究成果應用于該系統(tǒng)的資產(chǎn)推薦模塊。
[Abstract]:With the popularity of the Internet and the rapid development of electronic commerce, network transactions are becoming more and more popular, and more commodities are changing from real transactions to virtual transactions, which leads to the rapid growth of data types and data volume of information resources. It promotes the research and development of e-commerce personalized recommendation. At present, the core idea of E-commerce recommendation is based on a variety of related relationships, such as user relations, commodity relations, the relationship between users and commodities. However, when there is no or little consumer behavior data, or when users have fewer common choices, or when a commodity is not in the historical behavior data, the correlation will be lacking or insufficient, leading to the inability to predict by similarity. The problem of data sparsity or cold start reduces the accuracy of recommendation, and it is difficult to provide recommendation services to users properly. In addition, the consumer's consumption preference and characteristics have an important influence on the consumer behavior. When the utility of the commodity is in line with the consumer's consumption character, the user may have the consumer behavior. This provides a new perspective for the personalized recommendation of e-commerce. Therefore, how to reduce or eliminate the above problems, from the mass of consumer behavior data mining users interested or need goods, and accurately recommend to the target users, has become the focus of research on personalized recommendation. The main work of this paper is as follows: (1) the personalized recommendation algorithm and the discovery algorithm of complex network community structure and their characteristics are analyzed in detail. (2) considering the demand for accuracy of the current personalized recommendation system, the representative CNM personalized recommendation algorithm is selected. The CNM algorithm is optimized and verified by introducing point weight and edge weight distance similarity formula. (3) based on the analysis of consumer character, conditional mutual information and conditional relative average entropy are introduced to obtain the initial node input order in K2 algorithm. Then we use CH score function and posteriori probability function to study Bayesian network and analyze the consumer character of user. (4) using the well-learned Bayesian network to reason to judge the relationship between the products of the user to recommend domain and the consumer character. Finally, the final commodity recommendation domain is obtained. (5) the requirement analysis and system design of telecom idle assets market-oriented trading system are given, and the research results of this paper are applied to the asset recommendation module of the system.
【學位授予單位】：南昌大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3

【相似文獻】

相關(guān)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(guān)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(shù);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(guān)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(shù)會議論文集（技術(shù)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(shù)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(shù)會議論文集（技術(shù)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(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術(shù)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(shù)會議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：2205547