針對當(dāng)前個性化推薦系統(tǒng)處理數(shù)據(jù)效率較低的問題,提出了一種混合聚類關(guān)聯(lián)規(guī)則優(yōu)化的個性化推薦系統(tǒng)實現(xiàn)方法.深入分析了基于Web網(wǎng)絡(luò)服務(wù)平臺的電子商務(wù)個性化推薦系統(tǒng)的結(jié)構(gòu)組成,將數(shù)據(jù)分析與推薦算法實現(xiàn)分為離線和在線處理兩部分,闡述了算法初始化、關(guān)聯(lián)實現(xiàn)以及推薦數(shù)據(jù)集合生成和興趣模型預(yù)測的具體原理,并給出了算法的實現(xiàn)步驟.最后,基于提出的系統(tǒng)構(gòu)建模型,建立了一種基于混合聚類關(guān)聯(lián)優(yōu)化的圖書網(wǎng)絡(luò)推薦平臺.實驗結(jié)果表明,該方法具有較高的推薦精度和推薦效率,更適合大數(shù)據(jù)環(huán)境的推薦系統(tǒng). 

【文章來源】：內(nèi)蒙古師范大學(xué)學(xué)報(自然科學(xué)漢文版). 2016年04期 北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

圖１個性化推薦系統(tǒng)模型Ｆｉｇ．１Ｐｅｒｓｏｎａｌｉｚｅｄｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍｍｏｄｅｌ

內(nèi)蒙古師范大學(xué)學(xué)報（自然科學(xué)漢文版）第４５卷提供估計和預(yù)測手段．圖１個性化推薦系統(tǒng)模型Ｆｉｇ．１Ｐｅｒｓｏｎａｌｉｚｅｄｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍｍｏｄｅｌ圖２本文推薦模塊劃分Ｆｉｇ．２Ｔｈｅｍｏｄｕｌｅｏｆｐｒｏｐｏｓｅｓｒｅｃｏｍｍｅｎｄ１．２在線模塊功能分析在線模塊的主要功能就是數(shù)據(jù)集合的建立，通過網(wǎng)絡(luò)平臺（本文主要是基于Ｗｅｂ服務(wù)器）實時記錄客戶訪問網(wǎng)站信息以及瀏覽商品信息，并以數(shù)據(jù)列的形式形成初始化的客戶數(shù)據(jù)集合，同時，將相應(yīng)的網(wǎng)頁和網(wǎng)址信息作為附屬信息添加到相應(yīng)推薦序列的低端，作為推薦系統(tǒng)的部分自推薦連接．根據(jù)在線模塊的主要功能，可以將其劃分為客戶前段、網(wǎng)絡(luò)服務(wù)器、會話對象、商品集合以及實時交互等模塊，如圖３所示．圖３在線模塊處理框圖Ｆｉｇ．３Ｏｎｌｉｎｅｍｏｄｕｌｅｐｒｏｃｅｓｓｉｎｇｂｌｏｃｋｄｉａｇｒａｍ圖４離線模塊處理框圖Ｆｉｇ．４Ｏｆｆｌｉｎｅｍｏｄｕｌｅｐｒｏｃｅｓｓｉｎｇｂｌｏｃｋｄｉａｇｒａｍ１．３離線模塊功能分析與離線模塊關(guān)聯(lián)性最大的就是各種可行的建模分析及算法實現(xiàn)，在前期在線模塊獲取的數(shù)據(jù)集合基礎(chǔ)上通過數(shù)據(jù)挖掘技術(shù)，進行模式分類、選擇和建模，在建立客戶興趣模型的基礎(chǔ)上，判斷并實現(xiàn)購物習(xí)慣及興趣的預(yù)測和估計，實現(xiàn)實時的在線推薦．具體的實現(xiàn)流程如圖４所示，通過在線處理模塊，將實時估計和預(yù)測的個性化結(jié)果，上傳引擎實現(xiàn)個性化實時推薦服務(wù)．２基于關(guān)聯(lián)優(yōu)化規(guī)則的推薦系統(tǒng)實現(xiàn)根據(jù)圖１所示的個性化推薦系統(tǒng)的結(jié)構(gòu)組成，本文在遵循基本Ｉｎｐｕｔ－Ｐｒｏｃｅｓｓ－Ｏｕｔｐｕｔ處理過程的基礎(chǔ)上，提出了一種如圖５所示的聚類關(guān)聯(lián)

ｅｌ圖２本文推薦模塊劃分Ｆｉｇ．２Ｔｈｅｍｏｄｕｌｅｏｆｐｒｏｐｏｓｅｓｒｅｃｏｍｍｅｎｄ１．２在線模塊功能分析在線模塊的主要功能就是數(shù)據(jù)集合的建立，通過網(wǎng)絡(luò)平臺（本文主要是基于Ｗｅｂ服務(wù)器）實時記錄客戶訪問網(wǎng)站信息以及瀏覽商品信息，并以數(shù)據(jù)列的形式形成初始化的客戶數(shù)據(jù)集合，同時，將相應(yīng)的網(wǎng)頁和網(wǎng)址信息作為附屬信息添加到相應(yīng)推薦序列的低端，作為推薦系統(tǒng)的部分自推薦連接．根據(jù)在線模塊的主要功能，可以將其劃分為客戶前段、網(wǎng)絡(luò)服務(wù)器、會話對象、商品集合以及實時交互等模塊，如圖３所示．圖３在線模塊處理框圖Ｆｉｇ．３Ｏｎｌｉｎｅｍｏｄｕｌｅｐｒｏｃｅｓｓｉｎｇｂｌｏｃｋｄｉａｇｒａｍ圖４離線模塊處理框圖Ｆｉｇ．４Ｏｆｆｌｉｎｅｍｏｄｕｌｅｐｒｏｃｅｓｓｉｎｇｂｌｏｃｋｄｉａｇｒａｍ１．３離線模塊功能分析與離線模塊關(guān)聯(lián)性最大的就是各種可行的建模分析及算法實現(xiàn)，在前期在線模塊獲取的數(shù)據(jù)集合基礎(chǔ)上通過數(shù)據(jù)挖掘技術(shù)，進行模式分類、選擇和建模，在建立客戶興趣模型的基礎(chǔ)上，判斷并實現(xiàn)購物習(xí)慣及興趣的預(yù)測和估計，實現(xiàn)實時的在線推薦．具體的實現(xiàn)流程如圖４所示，通過在線處理模塊，將實時估計和預(yù)測的個性化結(jié)果，上傳引擎實現(xiàn)個性化實時推薦服務(wù)．２基于關(guān)聯(lián)優(yōu)化規(guī)則的推薦系統(tǒng)實現(xiàn)根據(jù)圖１所示的個性化推薦系統(tǒng)的結(jié)構(gòu)組成，本文在遵循基本Ｉｎｐｕｔ－Ｐｒｏｃｅｓｓ－Ｏｕｔｐｕｔ處理過程的基礎(chǔ)上，提出了一種如圖５所示的聚類關(guān)聯(lián)優(yōu)化推薦構(gòu)架模式，按照離線處理、在線引擎的實現(xiàn)方式，該構(gòu)建組要包含聚類分析、協(xié)同過濾（主要包括聚類判斷、規(guī)則分析）、個性化推薦以及網(wǎng)絡(luò)引擎實現(xiàn)四個基本步驟．２．１關(guān)聯(lián)初始化分析

【參考文獻】：
期刊論文
[1]基于協(xié)作過濾算法的電子商務(wù)個性化推薦系統(tǒng)的研究[J]. 馬小龍.  微型機與應(yīng)用. 2014(15)
[2]基于檢測響應(yīng)的安全協(xié)同推薦系統(tǒng)研究[J]. 何發(fā)鎂,王旭仁.  微計算機信息. 2010(06)
[3]基于粗糙集理論的決策樹分類方法[J]. 鄒瑞芝,羅可,曾正良.  計算機工程與科學(xué). 2009(10)
[4]基于Web的數(shù)據(jù)挖掘技術(shù)研究及其應(yīng)用[J]. 徐立宇.  電腦知識與技術(shù). 2009(08)
[5]電子商務(wù)推薦系統(tǒng)研究[J]. 黎星星,黃小琴,朱慶生.  計算機工程與科學(xué). 2004(05)

博士論文
[1]推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D]. 郭艷紅.大連理工大學(xué) 2008
[2]基于Web挖掘的電子商務(wù)個性化推薦機理與方法研究[D]. 易明.華中科技大學(xué) 2006



本文編號：2915819