本文關(guān)鍵詞：電子商務(wù)推薦系統(tǒng)中用戶聚類問題與用戶興趣變化問題研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：協(xié)同過濾推薦技術(shù)是推薦系統(tǒng)中應(yīng)用最廣泛的一種技術(shù),然而隨著系統(tǒng)規(guī)模的逐步擴(kuò)大,該技術(shù)使推薦系統(tǒng)的實(shí)時(shí)性與推薦精確性面臨極大的挑戰(zhàn)。針對(duì)實(shí)時(shí)性問題,基于K-Means用戶聚類的協(xié)同過濾技術(shù)將算法分為離線和在線兩個(gè)部分,離線部分將用戶進(jìn)行K-Means聚類形成簇,在線部分尋找用戶所在簇并進(jìn)行推薦。該方法使系統(tǒng)的實(shí)時(shí)性得到改善,但是本身卻存在缺陷:算法需要初始劃分并且初始劃分的優(yōu)劣直接決定聚類結(jié)果的好壞,另外算法聚類結(jié)果存在局部最優(yōu)性,而這些缺陷勢必影響算法的性能。于是,為了克服這些問題,本文提出了使用AntClass蟻群算法對(duì)用戶進(jìn)行聚類,該算法不僅不需要任何初始信息,而且算法參數(shù)設(shè)置簡單,所以規(guī)避了算法本身的復(fù)雜性,使聚類過程更符合實(shí)際應(yīng)用情況,聚類結(jié)果更合理。 系統(tǒng)規(guī)模擴(kuò)大給系統(tǒng)帶來的另一個(gè)問題是用戶的興趣愛好可能會(huì)隨著時(shí)間推移而發(fā)生變化。如果像傳統(tǒng)協(xié)同過濾推薦技術(shù)那樣使用所有歷史評(píng)分?jǐn)?shù)據(jù),可能會(huì)影響推薦的質(zhì)量,因?yàn)橛脩粼诤芫弥暗脑u(píng)分可能不再具有預(yù)測價(jià)值。針對(duì)這個(gè)問題,本文提出了將系統(tǒng)中的評(píng)分?jǐn)?shù)據(jù)看成數(shù)據(jù)流,利用金字塔時(shí)間框架存儲(chǔ)方式對(duì)其進(jìn)行數(shù)據(jù)篩選,從而使歷史信息中離當(dāng)前時(shí)間越遠(yuǎn)的數(shù)據(jù)利用率越低,離當(dāng)前時(shí)間越近的數(shù)據(jù)利用率越高。 綜上所述,本文針對(duì)系統(tǒng)中的數(shù)據(jù)流利用金字塔時(shí)間框架進(jìn)行存儲(chǔ),再利用AntClass蟻群算法對(duì)用戶進(jìn)行聚類,形成基于AntStream用戶聚類的協(xié)同過濾推薦系統(tǒng)。通過對(duì)比性實(shí)驗(yàn)證明,該算法能在保證實(shí)時(shí)性的基礎(chǔ)上,明顯的提高推薦質(zhì)量。
【關(guān)鍵詞】：電子商務(wù) 推薦系統(tǒng) 協(xié)同過濾 蟻群聚類 金字塔時(shí)間框架
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2011
【分類號(hào)】：F724.6;F224
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-14
• 1.1 研究背景與意義9-10
• 1.2 推薦系統(tǒng)的研究熱點(diǎn)10-12
• 1.2.1 數(shù)據(jù)稀疏性問題10
• 1.2.2 推薦精確性問題10-11
• 1.2.3 推薦實(shí)時(shí)性問題11
• 1.2.4 算法的評(píng)價(jià)準(zhǔn)則問題11
• 1.2.5 基于tag 的推薦系統(tǒng)11
• 1.2.6 系統(tǒng)安全性問題11-12
• 1.3 論文研究對(duì)象與所做工作12-13
• 1.4 論文結(jié)構(gòu)安排13
• 1.5 小結(jié)13-14
• 第2章 電子商務(wù)推薦系統(tǒng)及相關(guān)技術(shù)14-24
• 2.1 推薦系統(tǒng)中的推薦問題14-15
• 2.2 推薦系統(tǒng)中的推薦技術(shù)15-22
• 2.2.1 基于內(nèi)容的推薦15-17
• 2.2.2 協(xié)同過濾推薦17-20
• 2.2.3 基于人口統(tǒng)計(jì)的推薦20
• 2.2.4 基于知識(shí)的推薦20-21
• 2.2.5 混合方法21-22
• 2.3 基于K-Means 用戶聚類的協(xié)同過濾技術(shù)22-23
• 2.4 小結(jié)23-24
• 第3章 蟻群聚類與金字塔時(shí)間框架相關(guān)技術(shù)24-29
• 3.1 蟻群聚類相關(guān)技術(shù)24-25
• 3.2 金字塔時(shí)間框架相關(guān)技術(shù)25-28
• 3.2.1 金字塔時(shí)間框架的來源25-26
• 3.2.2 金字塔時(shí)間框架的原理26-27
• 3.2.3 金字塔時(shí)間框架舉例說明27-28
• 3.3 小結(jié)28-29
• 第4章 基于 AntStream 用戶聚類的協(xié)同過濾技術(shù)29-39
• 4.1 AntStream 算法初始化部分29-31
• 4.1.1 問題描述29-30
• 4.1.2 問題處理30
• 4.1.3 實(shí)施步驟30-31
• 4.2 AntStream 算法離線部分31-38
• 4.2.1 AntClass 蟻群聚類算法中的基本概念31-33
• 4.2.2 AntClass 蟻群聚類算法的步驟33-37
• 4.2.3 計(jì)算相似度37-38
• 4.3 AntStream 算法在線部分38
• 4.4 小結(jié)38-39
• 第5章 實(shí)驗(yàn)設(shè)計(jì)及結(jié)果分析39-45
• 5.1 數(shù)據(jù)集39-40
• 5.2 度量標(biāo)準(zhǔn)40
• 5.3 實(shí)驗(yàn)過程40-42
• 5.4 實(shí)驗(yàn)結(jié)果及其分析42-44
• 5.4.1 精確性檢驗(yàn)42-43
• 5.4.2 實(shí)時(shí)性檢驗(yàn)43-44
• 5.5 小結(jié)44-45
• 第6章 結(jié)束語45-47
• 6.1 本文工作45
• 6.2 后續(xù)工作45-47
• 參考文獻(xiàn)47-50
• 致謝50-51
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文51

【引證文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 沈鍵;電子商務(wù)的個(gè)性化協(xié)同過濾推薦算法研究[D];上海交通大學(xué);2013年

  本文關(guān)鍵詞：電子商務(wù)推薦系統(tǒng)中用戶聚類問題與用戶興趣變化問題研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：339865