本文關(guān)鍵詞：電子商務(wù)個性化推薦系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：Web2.0時代，電子商務(wù)得到飛速的發(fā)展。但是隨著電子商務(wù)發(fā)展不可避免的帶來了“信息超載”問題，解決這一問題的方法就是使用個性化推薦系統(tǒng)。電子商務(wù)個性化推薦系統(tǒng)（Personalized Recommendation Systems for E-Commerce）是利用電子商務(wù)網(wǎng)站向客戶提供信息和建議，幫助用戶決定應(yīng)該購買什么產(chǎn)品，模擬銷售人員幫助客戶完成購買過程。優(yōu)質(zhì)的個性化推薦系統(tǒng)帶來了巨大的經(jīng)濟(jì)價值和社會價值的同時，也能提高電子商務(wù)網(wǎng)站在當(dāng)今激烈的市場競爭環(huán)境下的存活能力。 本文詳細(xì)介紹了個性化推薦系統(tǒng)中常用的幾種推薦算法如：協(xié)同過濾推薦算法、基于內(nèi)容的推薦算法、基于網(wǎng)格的推薦算法等，并一一介紹和分析它們的優(yōu)缺點，其中協(xié)同過濾推薦算法是當(dāng)今存在最久且使用最廣的推薦算法。針對傳統(tǒng)的協(xié)同過濾推薦算法中存在的問題：相似性計算中并沒有考慮單個用戶興趣點之間的差異、用戶間共同評分項目過少對相似性計算結(jié)果帶來的偏差以及新項目問題，提出了相應(yīng)的改進(jìn)算法。在改進(jìn)的協(xié)同過濾算法中，使用在一定程度上反映出單個用戶興趣點差異的項目相關(guān)性去修正Pearson系數(shù)，然后將這個修正的Pearson系數(shù)與用戶共同評分的條件概率進(jìn)行相乘，得到最終的相似性結(jié)果。對于新項目問題，在基于項目的協(xié)同過濾推薦算法基礎(chǔ)上通過項目相關(guān)性的計算來修正原來的基于項目的協(xié)同過濾推薦算法對于新項目無法獲取最鄰項目集這一問題。然后在MovieLens數(shù)據(jù)集中驗證這個改進(jìn)的協(xié)同過濾算法和新項目問題解決方案，通過與傳統(tǒng)的協(xié)同過濾推薦算法比較精確度得出了改進(jìn)的協(xié)同過濾推薦算法的確提高了推薦結(jié)果的精度，此外，通過計算新項目問題的解決方案在MovieLens數(shù)據(jù)集中的MAE值得出該解決方案能在一定程度上解決新項目問題，從而得出本文提出的該解決方案是有效、可行的。 最后將這個改進(jìn)的協(xié)同過濾推薦算法使用在一個團(tuán)購平臺項目中，介紹了相應(yīng)的推薦模塊的設(shè)計和實現(xiàn)，最終達(dá)到實用的目的。
【關(guān)鍵詞】：個性化推薦系統(tǒng) 協(xié)同過濾 相似性計算 興趣點差異 新項目問題
【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】：2012
【分類號】：TP391.3
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 緒論10-16
• 1.1 選題背景和意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 協(xié)同過濾系統(tǒng)的國外研究現(xiàn)狀12-13
• 1.2.2 協(xié)同過濾系統(tǒng)的國內(nèi)研究現(xiàn)狀13-14
• 1.3 研究內(nèi)容與論文結(jié)構(gòu)14-15
• 1.4 創(chuàng)新之處15
• 1.5 本章小結(jié)15-16
• 第二章 電子商務(wù)個性化推薦系統(tǒng)16-29
• 2.1 電子商務(wù)個性化推薦系統(tǒng)的概論16-19
• 2.1.1 個性化服務(wù)17
• 2.1.2 推薦算法17-18
• 2.1.3 電子商務(wù)個性化推薦系統(tǒng)的意義18-19
• 2.2 電子商務(wù)個性化推薦系統(tǒng)的架構(gòu)19-21
• 2.2.1 輸入模塊20
• 2.2.2 輸出模塊20-21
• 2.2.3 推薦算法模塊21
• 2.3 電子商務(wù)個性化推薦系統(tǒng)的分類21-26
• 2.3.1 協(xié)同過濾推薦系統(tǒng)21
• 2.3.2 基于內(nèi)容的推薦系統(tǒng)21-23
• 2.3.3 混合推薦系統(tǒng)23-24
• 2.3.3.1 基于推薦結(jié)果的混合推薦技術(shù)24
• 2.3.3.2 基于推薦算法的混合推薦技術(shù)24
• 2.3.4 基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦系統(tǒng)24-25
• 2.3.5 其他推薦系統(tǒng)25-26
• 2.3.6 總結(jié)26
• 2.4 電子商務(wù)個性化推薦系統(tǒng)的評價指標(biāo)26-28
• 2.4.1 精確度27-28
• 2.4.2 用戶滿意度28
• 2.5 本章小結(jié)28-29
• 第三章 協(xié)同過濾推薦算法的研究29-45
• 3.1 協(xié)同過濾算法的概論29-33
• 3.1.1 用戶評估矩陣30-31
• 3.1.2 相似性計算31-32
• 3.1.3 預(yù)測打分32-33
• 3.2 協(xié)同過濾算法的分類33-38
• 3.2.1 基于記憶的協(xié)同過濾推薦算法34-37
• 3.2.1.1 基于用戶的協(xié)同過濾推薦算法35-36
• 3.2.1.2 基于項目的協(xié)同過濾推薦算法36-37
• 3.2.2 基于模型的協(xié)同過濾推薦算法37-38
• 3.3 協(xié)同過濾算法的問題分析38-44
• 3.3.1 稀疏性問題38-40
• 3.3.2 冷啟動問題40-42
• 3.3.3 安全性問題42-43
• 3.3.4 其它問題43-44
• 3.4 本章小結(jié)44-45
• 第四章 團(tuán)購系統(tǒng)的設(shè)計與實現(xiàn)45-62
• 4.1 項目需求分析45-52
• 4.1.1 團(tuán)購平臺子系統(tǒng)46-51
• 4.1.2 積分客戶端51-52
• 4.2 團(tuán)購平臺子系統(tǒng)的設(shè)計52-56
• 4.2.1 數(shù)據(jù)層53-55
• 4.2.2 業(yè)務(wù)層55-56
• 4.2.3 表現(xiàn)層56
• 4.3 團(tuán)購平臺子系統(tǒng)的實現(xiàn)56-61
• 4.4 本章小結(jié)61-62
• 第五章 推薦子系統(tǒng)的設(shè)計與實現(xiàn)62-77
• 5.1 改進(jìn)的協(xié)同過濾推薦算法62-67
• 5.1.1 用戶評估矩陣的改進(jìn)62-63
• 5.1.2 相似性計算改進(jìn)63-65
• 5.1.3 新項目問題的研究65-67
• 5.2 推薦子系統(tǒng)的實現(xiàn)67-71
• 5.3 實驗分析71-76
• 5.3.1 實驗數(shù)據(jù)和環(huán)境71-72
• 5.3.2 實驗方案72-73
• 5.3.3 實驗結(jié)果分析73-76
• 5.4 本章小結(jié)76-77
• 第六章 總結(jié)和展望77-79
• 致謝79-80
• 參考文獻(xiàn)80-83

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 趙亮,胡乃靜,張守志;個性化推薦算法設(shè)計[J];計算機(jī)研究與發(fā)展;2002年08期

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

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 孫小華;協(xié)同過濾系統(tǒng)的稀疏性與冷啟動問題研究[D];浙江大學(xué);2005年

2 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D];大連理工大學(xué);2008年

  本文關(guān)鍵詞：電子商務(wù)個性化推薦系統(tǒng)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：262803