【摘要】：本文主要研究用戶行為分析技術(shù)和個性化服務(wù)在電子商務(wù)領(lǐng)域中的應(yīng)用。電子商務(wù)平臺能夠利用用戶行為分析技術(shù)分析用戶行為特征,根據(jù)分析結(jié)果為用戶提供個性化信息服務(wù),即個性化推薦。本文選擇神經(jīng)網(wǎng)絡(luò)技術(shù)和關(guān)聯(lián)規(guī)則技術(shù)進行用戶行為分析,根據(jù)分析結(jié)果利用協(xié)同過濾算法進行推薦流程設(shè)計,為用戶提供個性化信息服務(wù)。針對基于用戶的協(xié)同過濾算法在使用皮爾遜相似度算法計算用戶間相似度產(chǎn)生計算偏差的問題,設(shè)計了一種改進的皮爾遜相似度方法�？紤]活躍用戶和熱門物品兩個因素,降低活躍用戶和熱門物品對相似度計算的貢獻(xiàn),使得用戶間相似度的計算更加精確,提升算法對長尾物品的挖掘能力,獲取更好的推薦效果。對電子商務(wù)領(lǐng)域中的用戶數(shù)據(jù)、商品數(shù)據(jù)、行為數(shù)據(jù),使用神經(jīng)網(wǎng)絡(luò)計算用戶與商品間的聯(lián)系,構(gòu)建適合電子商務(wù)數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)模型。混合改進的協(xié)同過濾算法進行候選集篩選,使用關(guān)聯(lián)規(guī)則進行商品類別關(guān)聯(lián)分析,進行候選集填充,使用神經(jīng)網(wǎng)絡(luò)進行評分預(yù)測,在提高精準(zhǔn)率的同時,提升推薦結(jié)果的多樣性。為改進協(xié)同過濾算法存在的用戶冷啟動問題,使用基于用戶靜態(tài)屬性的相似度計算方法,計算新用戶與老用戶之間的相似度,并將最相似老用戶購買過的物品推薦給新用戶。論文最后利用B2C電子商務(wù)平臺數(shù)據(jù),設(shè)計并實現(xiàn)個性化推薦實驗系統(tǒng),對個性化推薦功能進行實驗與結(jié)果分析。實驗結(jié)果表明,本文改進的協(xié)同過濾算法,能夠提高相似用戶的計算精度,提高預(yù)測評分準(zhǔn)確率。本文設(shè)計的混合推薦算法,在一定程度上解決了用戶冷啟動問題,提高了推薦準(zhǔn)確率和多樣性。
【圖文】：

邐推薦結(jié)果展示邐）逡逑圖２－４常見推薦系統(tǒng)模型逡逑在電子商務(wù)應(yīng)用的個性化推薦中，一個比較嚴(yán)重的問題是冷啟動問題［１７】。隨逡逑著ｗｅｂ３．０技術(shù)以及社交網(wǎng)絡(luò)的發(fā)展，學(xué)者們提出一種社會化推薦方法Ｍ。電子商逡逑務(wù)網(wǎng)站獲取用戶社交網(wǎng)絡(luò)信息，構(gòu)建用戶社交網(wǎng)絡(luò)群，進行社會化推薦。在社會逡逑化推薦中，將用戶的社交關(guān)系帶入到網(wǎng)絡(luò)系統(tǒng)中，，在一定程度上解決了用戶冷啟逡逑動問題，提升系統(tǒng)的全面推薦能力［１４］。逡逑（辛存丨象）（＇用戶社交邐ｆ用戶社交１逡逑網(wǎng)絡(luò)數(shù)據(jù)邐關(guān)系構(gòu)建邐（邐＇ｉ逡逑／邋Ｗｉ邋＼＾，—＾▲社交推薦漆逡逑＼擎■用戶項目蜂■用戶項目學(xué)邋描刑邋%跡危伲幀㈠義�？邋：；／邋＼邋Ｉ起伅粪嶉据逦＾￣＾辶x希嬗沒钅垮危ǎ⒂沒钅垮義媳緪娤ⅲ藎濉義賢跡玻瞪緇嶧萍齷究蚣苠義隙諳钅坷淦舳�，主要矢`諳钅磕諶萆轄邢钅刻卣魈崛�，染忬根究M沒у義俠沸形

本文編號：2638763