【摘要】：隨著信息時代的發(fā)展和互聯(lián)網(wǎng)的廣泛應(yīng)用,電子商務(wù)迅猛成長起來并廣泛應(yīng)用于人們生活的各個領(lǐng)域。越來越多的商家和用戶參與到電子商務(wù)領(lǐng)域中來,一方面,商家渴望增強自身競爭力,增加客戶忠誠度,從而增加收益;一方面,用戶希望面對越來越多的產(chǎn)品時能夠更加快速便捷并準(zhǔn)確地買到合適的產(chǎn)品。因此,電子商務(wù)個性化推薦系統(tǒng)受到重視,其中以對推薦算法的研究最為關(guān)鍵。近年來新興的二部圖推薦算法在電子商務(wù)個性化推薦領(lǐng)域有著較應(yīng)用最廣泛的協(xié)同過濾推薦算法更好的性能表現(xiàn)。鑒于此,本文將基于經(jīng)典的二部圖算法,再引入刻畫用戶偏好的信任概念,完成以圖部算法為核心的電子商務(wù)個性化推薦算法的改進研究。本文擬從“劃分近鄰網(wǎng)絡(luò)”、“差異化商品初始資源配置”及“資源傳輸路徑賦權(quán)”三個方面對傳統(tǒng)的二部圖推薦算法進行較全面綜合的改進。在“劃分近鄰網(wǎng)絡(luò)”時,將信任關(guān)系引入到近鄰劃分方法中,提出一種將用戶相似度與用戶信任度相結(jié)合的方式,利用用戶信任度作為相似度的一個有效補充從而克服數(shù)據(jù)稀疏性得到可信的興趣相似的用戶群。并設(shè)計實驗確定最佳的用戶相似度與用戶信任度的結(jié)合系數(shù)。在“差異化商品初始資源配置”時,用各個商品的“度”(即被購買的次數(shù))來衡量商品的受喜愛程度,“度”越大越受喜愛。在有用戶評分時利用用戶評分最后在商品集中標(biāo)準(zhǔn)化后得到的數(shù)值為各個商品的初始資源配置。此改進擬用各個商品受用戶喜愛程度來差異化商品的推薦能力。在“資源傳輸路徑賦權(quán)”時,本文利用“劃分近鄰網(wǎng)絡(luò)”時得到的用戶相似度與用戶信任度結(jié)合的復(fù)合矩陣的對應(yīng)值為“用戶商品”資源傳輸路徑進行賦權(quán)來刻畫不同用戶的推薦能力,以期提高本文算法的推薦準(zhǔn)確度和推薦有效性。本文采用個性化推薦領(lǐng)域的經(jīng)典數(shù)據(jù)集,共設(shè)計3個實驗來驗證本文算法的有效性,實驗結(jié)果表明引入信任的二部圖電子商務(wù)個性化推薦算法(The bipartite graph recommendation algorithm based on trust,簡稱TBG)較之基于物質(zhì)擴散的二部圖算法以及評分賦權(quán)二部圖算法在預(yù)測精確度和召回率相當(dāng)?shù)那闆r下,在產(chǎn)品的排序準(zhǔn)確度方面表現(xiàn)更好。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.3

【參考文獻】

相關(guān)期刊論文 前3條

1 郭艷紅;鄧貴仕;雒春雨;;基于信任因子的協(xié)同過濾推薦算法[J];計算機工程;2008年20期

2 王茜;段雙艷;;一種改進的基于二部圖網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法[J];計算機應(yīng)用研究;2013年03期

3 劉建國;周濤;汪秉宏;;個性化推薦系統(tǒng)的研究進展[J];自然科學(xué)進展;2009年01期

相關(guān)博士學(xué)位論文 前1條

1 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學(xué);2009年

，

本文編號：2567545