本文關(guān)鍵詞：面向電子商務(wù)的協(xié)同過(guò)濾推薦算法與推薦系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)的飛速發(fā)展、PC和平板電腦的普及,電子商務(wù)已經(jīng)成為當(dāng)今互聯(lián)網(wǎng)IT產(chǎn)業(yè)的經(jīng)濟(jì)增長(zhǎng)點(diǎn)。但是,與日俱增的不僅僅是用戶(hù)的數(shù)量,同時(shí)大量的有用和無(wú)用信息也充斥于電子商務(wù)領(lǐng)域。如何能夠從成千上萬(wàn)的海量信息中,快速找到我們想要的信息,已經(jīng)成為了一個(gè)重要課題。近年來(lái),電子商務(wù)網(wǎng)站中出現(xiàn)的個(gè)性化推薦系統(tǒng)就是解決這一問(wèn)題的重要途徑。其中,協(xié)同過(guò)濾推薦算法是應(yīng)用最為廣泛和最成功的推薦技術(shù)。但現(xiàn)有算法沒(méi)有考慮隨著時(shí)間變化而導(dǎo)致用戶(hù)興趣變化的情況,對(duì)具有時(shí)間強(qiáng)依賴(lài)的產(chǎn)品進(jìn)行推薦時(shí),推薦質(zhì)量很難得到保證,魯棒性差。同時(shí),協(xié)同過(guò)濾算法本身存在的冷啟動(dòng)等問(wèn)題也會(huì)對(duì)推薦質(zhì)量產(chǎn)品影響。本文在協(xié)同過(guò)濾推薦算法和基于知識(shí)的推薦算法的基礎(chǔ)上,融合時(shí)間屬性研究了若干推薦算法的性能。主要工作如下： (1)通過(guò)建立優(yōu)化的余弦相似性模型尋找用戶(hù)近鄰,實(shí)現(xiàn)了一種傳統(tǒng)的協(xié)同過(guò)濾推薦算法。實(shí)驗(yàn)時(shí)選擇不同數(shù)量的用戶(hù)集進(jìn)行測(cè)試,分析了鄰居用戶(hù)數(shù)量對(duì)推薦準(zhǔn)確率的影響,對(duì)比實(shí)驗(yàn)表明：傳統(tǒng)協(xié)同推薦算法對(duì)鄰居用戶(hù)數(shù)量具有敏感性,當(dāng)選擇恰當(dāng)?shù)泥従佑脩?hù)數(shù)量時(shí),其推薦準(zhǔn)確率會(huì)更高。 (2)根據(jù)產(chǎn)品的時(shí)間依賴(lài)屬性,提出了一種基于時(shí)間加權(quán)的協(xié)同過(guò)濾推薦算法。該算法在協(xié)同過(guò)濾算法基礎(chǔ)上融合時(shí)間過(guò)濾函數(shù)進(jìn)行產(chǎn)品推薦。本文設(shè)計(jì)了兩種時(shí)間加權(quán)函數(shù),推薦算法可以根據(jù)產(chǎn)品的時(shí)間依賴(lài)關(guān)系和產(chǎn)品實(shí)際被評(píng)價(jià)的時(shí)間,賦予函數(shù)不同的權(quán)值。實(shí)驗(yàn)結(jié)果表明：具有時(shí)間過(guò)濾功能的協(xié)同過(guò)濾算法能夠敏銳地檢測(cè)出用戶(hù)興趣的變化,使得推薦的產(chǎn)品更符合用戶(hù)的需求。 (3)為了能夠檢測(cè)用戶(hù)興趣的變化并且有效地克服傳統(tǒng)的協(xié)同過(guò)濾算法面臨的冷啟動(dòng)問(wèn)題,本文基于混合推薦技術(shù),通過(guò)引入時(shí)間過(guò)濾函數(shù),并結(jié)合基于知識(shí)的推薦過(guò)程,提出了一種融合時(shí)間和知識(shí)推理的混合協(xié)同過(guò)濾推薦算法。該算法能夠有效克服冷啟動(dòng)問(wèn)題,即當(dāng)用戶(hù)評(píng)價(jià)數(shù)較少時(shí),算法能夠通過(guò)用戶(hù)相關(guān)的知識(shí)推理進(jìn)行推薦,當(dāng)用戶(hù)評(píng)價(jià)數(shù)達(dá)到一定程度后,通過(guò)協(xié)同過(guò)濾算法進(jìn)行推薦。實(shí)驗(yàn)表明,該混合算法具有較高的魯棒性,面對(duì)復(fù)雜的電子商務(wù)模型具有較高的推薦準(zhǔn)確率。 (4)根據(jù)融合時(shí)間和知識(shí)推理的混合協(xié)同過(guò)濾推薦算法,設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)可應(yīng)用于電子商務(wù)中的電影推薦系統(tǒng)。該系統(tǒng)可以通過(guò)用戶(hù)對(duì)電影的評(píng)價(jià),尋找用戶(hù)的最近鄰居,并給予最優(yōu)的電影推薦。
【關(guān)鍵詞】：電子商務(wù) 協(xié)同過(guò)濾 基于知識(shí)的推薦 時(shí)間加權(quán)
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類(lèi)號(hào)】：TP301.6
【目錄】：

• 摘要3-4
• Abstract4-6
• 目錄6-8
• 1 緒論8-14
• 1.1 引言8-9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀綜述9-12
• 1.2.1 傳統(tǒng)的協(xié)同過(guò)濾推薦算法9
• 1.2.2 基于內(nèi)容的推薦算法9-10
• 1.2.3 基于聚類(lèi)算法的推薦10
• 1.2.4 基于產(chǎn)品到產(chǎn)品的推薦算法10-12
• 1.3 本文的主要工作及章節(jié)安排12-14
• 2 傳統(tǒng)的協(xié)同過(guò)濾推薦模型14-21
• 2.1 引言14
• 2.2 經(jīng)典的KNN協(xié)同過(guò)濾算法14-17
• 2.2.1 算法框架14-15
• 2.2.2 算法實(shí)現(xiàn)過(guò)程15-17
• 2.3 實(shí)驗(yàn)結(jié)果及分析17-20
• 2.4 本章小結(jié)20-21
• 3 融合時(shí)間屬性的協(xié)同過(guò)濾推薦算法21-33
• 3.1 引言21
• 3.2 時(shí)間過(guò)濾推薦模型21-28
• 3.2.1 時(shí)間因素分析21-22
• 3.2.2 時(shí)間過(guò)濾函數(shù)的建立22-24
• 3.2.3 時(shí)間衰減過(guò)濾24-26
• 3.2.4 時(shí)間窗口過(guò)濾26-28
• 3.3 評(píng)估方法28-30
• 3.4 實(shí)驗(yàn)結(jié)果及分析30-32
• 3.5 本章總結(jié)32-33
• 4 基于知識(shí)和協(xié)同過(guò)濾的混合推薦算法33-47
• 4.1 引言33
• 4.2 推薦技術(shù)的對(duì)比以及混合方法33-39
• 4.2.1 推薦技術(shù)的對(duì)比33-35
• 4.2.2 推薦技術(shù)的混合35-37
• 4.2.3 一個(gè)基于知識(shí)的餐廳推薦系統(tǒng)37-39
• 4.3 融合時(shí)間的基于知識(shí)和協(xié)同過(guò)濾的混合算法模型39-42
• 4.3.1 基于知識(shí)的推薦算法39-40
• 4.3.2 協(xié)同過(guò)濾推薦算法40-41
• 4.3.3 融合時(shí)間的基于知識(shí)和協(xié)同過(guò)濾的混合推薦算法41-42
• 4.4 實(shí)驗(yàn)結(jié)果以及分析42-46
• 4.5 本章小節(jié)46-47
• 5 基于知識(shí)和協(xié)同過(guò)濾混合的電影推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)47-59
• 5.1 引言47-48
• 5.2 軟件系統(tǒng)的體系結(jié)構(gòu)48-49
• 5.3 軟件系統(tǒng)實(shí)現(xiàn)49-58
• 5.3.1 系統(tǒng)的軟件介紹49
• 5.3.2 系統(tǒng)的數(shù)據(jù)庫(kù)設(shè)計(jì)以及登錄和注冊(cè)模塊49-51
• 5.3.3 電影評(píng)價(jià)模塊51-53
• 5.3.4 電影推薦模塊53-57
• 5.3.5 留言板57-58
• 5.4 本章小結(jié)58-59
• 總結(jié)與展望59-61
• 致謝61-62
• 參考文獻(xiàn)62-65

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 張海燕;顧峰;姜麗紅;;基于模糊簇的個(gè)性化推薦方法[J];計(jì)算機(jī)工程;2006年12期

2 余力,劉魯;電子商務(wù)個(gè)性化推薦研究[J];計(jì)算機(jī)集成制造系統(tǒng);2004年10期

3 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)學(xué)報(bào);2010年08期

4 叢曉琪;楊懷珍;劉枚蓮;;基于時(shí)間加權(quán)的協(xié)同過(guò)濾算法研究[J];計(jì)算機(jī)應(yīng)用與軟件;2009年08期

5 彭德巍;胡斌;;一種基于用戶(hù)特征和時(shí)間的協(xié)同過(guò)濾算法[J];武漢理工大學(xué)學(xué)報(bào);2009年03期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 孫超;基于Agent的推薦技術(shù)的研究與應(yīng)用[D];大連海事大學(xué);2009年

  本文關(guān)鍵詞：面向電子商務(wù)的協(xié)同過(guò)濾推薦算法與推薦系統(tǒng)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：308418