本文關(guān)鍵詞：基于協(xié)同過濾算法的電子商務(wù)推薦系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著電子商務(wù)的發(fā)展和互聯(lián)網(wǎng)“信息過載”問題的加劇,電商企業(yè)如何滿足消費者對信息精準(zhǔn)化和個性化的需求,使得用戶在海量的信息中只需較低的成本,就能得到自己需要的商品或者信息,提高消費者的體驗以及滿意程度,對傳統(tǒng)電商而言尤為重要。隨著移動互聯(lián)網(wǎng)的發(fā)展,推薦算法面臨著新的挑戰(zhàn),移動電商對其精確性和針對性提出了更高的要求,在新的形勢下,信息的推薦就變得更為專業(yè)和復(fù)雜。 基本的推薦技術(shù)有兩種：基于內(nèi)容的推薦和協(xié)同過濾推薦。兩者有各有優(yōu)點和不足：基于內(nèi)容的推薦是從項目的角度出發(fā),通過分析用戶訪問過的項目特征,然后將與這些項目相似的用戶未訪問的項目推薦給用戶,其缺點是忽略了用戶的潛在興趣；與之不同的是,協(xié)同過濾從用戶的角度出發(fā),通過分析用戶的相似性,然后將相似用戶的喜歡的項目推薦給活動用戶,但是協(xié)同過濾本身存在著數(shù)據(jù)稀疏、冷啟動等問題。 個性化推薦系統(tǒng)通過對用戶信息進(jìn)行分析,向用戶推薦可能感興趣的商品,從而在一定程度上緩解信息過載的問題,幫助用戶在大量的信息中尋找到滿足自己個性需求的信息。隨著移動終端的大范圍普及和移動互聯(lián)網(wǎng)技術(shù)的不斷進(jìn)步,消費者接受信息的方式從傳統(tǒng)PC向手機(jī)或者平板等移動終端轉(zhuǎn)移。在移動互聯(lián)網(wǎng)的環(huán)境中,終端從PC變?yōu)榱烁鼮閭�性化的手機(jī)等,對推薦的個性化和精準(zhǔn)性就提出了更高的要求。 本文在對這兩種技術(shù)的推薦原理詳細(xì)分析的基礎(chǔ)上,總結(jié)分析基于內(nèi)容的推薦和協(xié)同過濾兩種推薦技術(shù)的優(yōu)勢,提出了基于內(nèi)容的用戶偏好模型,在用戶和評分?jǐn)?shù)據(jù)較少的情況下,提高了協(xié)同過濾的效率,實現(xiàn)了較為準(zhǔn)確的推薦。 本文采用Netflix數(shù)據(jù)集和Taste推薦引擎,對提出的模型進(jìn)行了有效性驗證。最后本文將推薦系統(tǒng)應(yīng)用到手機(jī)電子優(yōu)惠券軟件中,實現(xiàn)了優(yōu)惠券的推薦。
【關(guān)鍵詞】：電子商務(wù) 協(xié)同過濾 混合推薦 Taste引擎
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP391.3
【目錄】：

• 摘要3-5
• ABSTRACT5-10
• 第一章 緒論10-16
• 1.1 研究背景及意義10-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.3 本文主要研究內(nèi)容14-15
• 1.4 本文章節(jié)安排15-16
• 第二章 電子商務(wù)個性化推薦系統(tǒng)介紹16-28
• 2.1 電子商務(wù)推薦系統(tǒng)概述16-17
• 2.2 推薦系統(tǒng)的工作原理17-21
• 2.3 電子商務(wù)推薦系統(tǒng)相關(guān)技術(shù)21-23
• 2.4 電子商務(wù)推薦系統(tǒng)的應(yīng)用23-26
• 2.5 推薦系統(tǒng)存在的問題26-27
• 2.6 本章小結(jié)27-28
• 第三章 推薦算法介紹28-42
• 3.1 基于內(nèi)容的推薦技術(shù)28-33
• 3.1.1 基于內(nèi)容的推薦過程29-32
• 3.1.2 基于內(nèi)容的推薦的優(yōu)缺點32-33
• 3.2 協(xié)同過濾推薦技術(shù)33-40
• 3.2.1 基于用戶的推薦技術(shù)35-37
• 3.2.2 基于項目的推薦技術(shù)37-39
• 3.2.3 協(xié)同過濾推薦技術(shù)面臨的問題39-40
• 3.3 混合的推薦技術(shù)40-41
• 3.4 本章小結(jié)41-42
• 第四章 基于內(nèi)容的用戶偏好模型42-52
• 4.1 基于內(nèi)容的用戶偏好模型42-45
• 4.1.1 模型的提出42-43
• 4.1.2 用戶模型43-44
• 4.1.3 用戶模型之間的相似性44-45
• 4.2 實驗設(shè)計45-47
• 4.2.1 實驗環(huán)境和數(shù)據(jù)集45
• 4.2.2 實驗方法設(shè)計45-46
• 4.2.3 誤差說明46-47
• 4.3 推薦算法的評價標(biāo)準(zhǔn)47-49
• 4.3.1 推薦系統(tǒng)輸出結(jié)果的的準(zhǔn)確性47-48
• 4.3.2 推薦系統(tǒng)分類的準(zhǔn)確性48-49
• 4.4 實驗結(jié)果及分析49-50
• 4.5 本章小結(jié)50-52
• 第五章 基于內(nèi)容的用戶偏好模型的應(yīng)用52-64
• 5.1 電子優(yōu)惠券推薦模塊需求分析52
• 5.2 電子優(yōu)惠券推薦模塊的實現(xiàn)52-58
• 5.2.1 Taste推薦引擎52-53
• 5.2.2 數(shù)據(jù)表示53-57
• 5.2.3 產(chǎn)生推薦57-58
• 5.3 基于內(nèi)容的用戶偏好模型的實現(xiàn)58-63
• 5.4 本章小結(jié)63-64
• 第六章 總結(jié)與展望64-66
• 6.1 本文內(nèi)容總結(jié)64
• 6.2 本文創(chuàng)新點總結(jié)64-65
• 6.3 研究展望65-66
• 參考文獻(xiàn)66-70
• 致謝70-72
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄72

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前9條

1 劉麗娟;;電子優(yōu)惠券初探[J];經(jīng)營管理者;2009年12期

2 李忠俊;周啟海;帥青紅;;一種基于內(nèi)容和協(xié)同過濾同構(gòu)化整合的推薦系統(tǒng)模型[J];計算機(jī)科學(xué);2009年12期

3 曾艷,麥永浩;基于內(nèi)容預(yù)測和項目評分的協(xié)同過濾推薦[J];計算機(jī)應(yīng)用;2004年01期

4 曾春,邢春曉,周立柱;個性化服務(wù)技術(shù)綜述[J];軟件學(xué)報;2002年10期

5 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報;2009年02期

6 王洋;駱力明;;一種解決協(xié)同過濾數(shù)據(jù)稀疏性問題的方法[J];首都師范大學(xué)學(xué)報(自然科學(xué)版);2012年04期

7 王巍;;結(jié)合用戶偏好遷移的復(fù)合推薦方法[J];計算機(jī)工程與設(shè)計;2010年14期

8 馮克鵬;;基于數(shù)據(jù)挖掘的個性化高校選課推薦算法研究[J];數(shù)字技術(shù)與應(yīng)用;2012年08期

9 鄧愛林,左子葉,朱揚(yáng)勇;基于項目聚類的協(xié)同過濾推薦算法[J];小型微型計算機(jī)系統(tǒng);2004年09期

  本文關(guān)鍵詞：基于協(xié)同過濾算法的電子商務(wù)推薦系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：293019