本文關(guān)鍵詞：基于人工免疫算法的電子商務(wù)推薦系統(tǒng)的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著市場經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整,電子商務(wù)相關(guān)政策的完善以及物流、信用、電子支付等支撐體系的不斷優(yōu)化,消費者對電子商務(wù)的需求將會更加強(qiáng)烈,運(yùn)用電子商務(wù)的意識會越來越強(qiáng)。未來電子商務(wù)將會遍及生產(chǎn)、流通、消費等社會生活的各個領(lǐng)域。電子商務(wù)服務(wù)業(yè)群正在逐步形成,這將會成為未來國民經(jīng)濟(jì)新的增長點。統(tǒng)計數(shù)據(jù)表明自2005年以來,我國電子商務(wù)市場交易額穩(wěn)定增長,未來3年,我國電子商務(wù)投資市場將迎來發(fā)展的新高潮。在這種環(huán)境下,大多電子商務(wù)網(wǎng)站都使用了推薦系統(tǒng)來推廣業(yè)務(wù)。推薦系統(tǒng)逐漸成為電子商務(wù)中的重要研究內(nèi)容。 伴隨著電子商務(wù)規(guī)模的擴(kuò)大,推薦系統(tǒng)面臨著一系列的挑戰(zhàn)。信息數(shù)量的急速增長影響了推薦系統(tǒng)推薦的效率。協(xié)同過濾是推薦系統(tǒng)中應(yīng)用最為廣泛的個性化推薦技術(shù),但是其自身存在稀疏性、冷啟動以及可擴(kuò)展性等問題,影響了推薦系統(tǒng)的質(zhì)量。 本文對電子商務(wù)推薦系統(tǒng)中使用的推薦技術(shù)進(jìn)行了探索和研究,提出了基于免疫機(jī)理的推薦算法,主要是借鑒了自然免疫系統(tǒng)的免疫學(xué)習(xí)、克隆選擇和自適應(yīng)等特性。首先把免疫網(wǎng)絡(luò)中的初始抗體通過聚類劃分為不同的簇,然后基于自適應(yīng)的aiNet算法對聚類中心進(jìn)行克隆、變異等,從而獲得優(yōu)秀的鄰居用戶集。抗體的克隆分化機(jī)制能夠降低數(shù)據(jù)的稀疏性,網(wǎng)絡(luò)抑制能提高擴(kuò)展性,避免算法陷入局部最優(yōu)點。與協(xié)同過濾算法相比,該算法對用戶興趣的預(yù)測更加客觀、準(zhǔn)確,能夠提高系統(tǒng)推薦的質(zhì)量。最后通過實驗驗證了該算法在電子商務(wù)使用中的可行性和有效性。 本文所做的工作以及創(chuàng)新點主要包括以下幾個方面: (1)基于人工免疫與自適應(yīng)aiNet的協(xié)同過濾算法 本文借鑒抗原和抗體,抗體與抗體之間相互作用以及抗體的克隆變異等原理,將自適應(yīng)aiNet思想引入?yún)f(xié)同過濾算法中的鄰居用戶集的選擇中,提高了最近鄰居集合選取的準(zhǔn)確性。 (2)基于聚類免疫的最相似鄰居推薦算法 將聚類技術(shù)K-means算法引入到推薦算法中,對網(wǎng)絡(luò)中注冊的用戶基于興趣進(jìn)行分類。再結(jié)合人工免疫的思想,利用聚類免疫方法確定最相似的鄰居用戶。 (3)基于免疫思想的用戶評分計算 將免疫的思想加入到目標(biāo)用戶興趣度的預(yù)測中,通過鄰居用戶的濃度影響目標(biāo)用戶預(yù)測商品的評分。
【關(guān)鍵詞】：電子商務(wù) 推薦系統(tǒng) 協(xié)同過濾 人工免疫系統(tǒng) 聚類
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：TP181
【目錄】：

• 摘要7-9
• ABSTRACT9-11
• 第一章 緒論11-16
• 1.1 研究背景11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-13
• 1.3 研究目標(biāo)與論文結(jié)構(gòu)13-16
• 1.3.1 研究意義13-14
• 1.3.2 本文的主要工作14
• 1.3.3 本文的組織結(jié)構(gòu)14-16
• 第二章 電子商務(wù)推薦系統(tǒng)綜述16-25
• 2.1 電子商務(wù)簡介16
• 2.2 推薦系統(tǒng)簡介16-25
• 2.2.1 推薦系統(tǒng)概念16-17
• 2.2.2 推薦系統(tǒng)構(gòu)成17-18
• 2.2.3 推薦系統(tǒng)分類18-19
• 2.2.4 推薦技術(shù)概述19-22
• 2.2.5 推薦系統(tǒng)的作用22-23
• 2.2.6 推薦系統(tǒng)研究現(xiàn)狀23-25
• 第三章 協(xié)同過濾算法分析25-32
• 3.1 協(xié)同過濾技術(shù)概述25-26
• 3.2 協(xié)同過濾算法步驟26-30
• 3.2.1 協(xié)同過濾算法描述26
• 3.2.2 協(xié)同過濾推薦流程26-30
• 3.3 協(xié)同過濾算法分析30-32
• 3.3.1 協(xié)同過濾算法的挑戰(zhàn)30
• 3.3.2 現(xiàn)有的改進(jìn)方法30-32
• 第四章 人工免疫算法綜述32-43
• 4.1 人工免疫理論介紹32-36
• 4.1.1 生物免疫系統(tǒng)32-33
• 4.1.2 人工免疫算法的基本框架33-34
• 4.1.3 人工免疫網(wǎng)絡(luò)的應(yīng)用34-36
• 4.2 人工免疫系統(tǒng)問題描述36-41
• 4.2.1 推薦問題的形態(tài)空間模型36-37
• 4.2.2 最近鄰的選擇37-38
• 4.2.3 人工免疫算法38-41
• 4.3 人工免疫算法的實現(xiàn)步驟41-43
• 4.3.1 檢索最近鄰41-42
• 4.3.2 計算用戶對評價項的預(yù)測值42
• 4.3.3 產(chǎn)生Top-N 推薦42-43
• 第五章 基于人工免疫算法的電子商務(wù)推薦系統(tǒng)43-58
• 5.1 電子商務(wù)推薦系統(tǒng)分析43
• 5.2 基于自適應(yīng)aiNet 的推薦算法43-47
• 5.2.1 自適應(yīng)aiNet 算法原理43-44
• 5.2.2 基于自適應(yīng)aiNet 算法流程44-46
• 5.2.3 算法分析46-47
• 5.3 基于聚類免疫的電子商務(wù)推薦系統(tǒng)47-52
• 5.3.1 聚類算法概述47
• 5.3.2 聚類免疫算法流程47-52
• 5.3.3 算法分析52
• 5.4 實驗設(shè)計與結(jié)果分析52-58
• 5.4.1 實驗數(shù)據(jù)集52-53
• 5.4.2 實驗環(huán)境53
• 5.4.3 度量標(biāo)準(zhǔn)53-54
• 5.4.4 評估矩陣的構(gòu)建54
• 5.4.5 實驗結(jié)果與分析54-58
• 第六章 總結(jié)與展望58-60
• 6.1 工作總結(jié)58
• 6.2 工作展望58-60
• 參考文獻(xiàn)60-65
• 致謝65-66
• 攻讀碩士學(xué)位期間發(fā)表的論文及參與的項目66

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 梁雪芳;別榮芳;段季芳;付增梅;;基于人工免疫網(wǎng)絡(luò)的k-平均聚類算法的研究[J];北京師范大學(xué)學(xué)報(自然科學(xué)版);2009年02期

2 徐小琳,闕喜戎,程時端;信息過濾技術(shù)和個性化信息服務(wù)[J];計算機(jī)工程與應(yīng)用;2003年09期

3 王太雷;個性化推薦系統(tǒng)中相似模式聚類研究[J];計算機(jī)工程;2005年10期

4 余力,劉魯;電子商務(wù)個性化推薦研究[J];計算機(jī)集成制造系統(tǒng);2004年10期

5 黎星星,黃小琴,朱慶生;電子商務(wù)推薦系統(tǒng)研究[J];計算機(jī)工程與科學(xué);2004年05期

6 鄔依林;李中華;毛宗源;;自適應(yīng)人工免疫算法在數(shù)據(jù)挖掘中的應(yīng)用[J];計算機(jī)應(yīng)用;2006年08期

7 左興權(quán),李士勇,李遠(yuǎn)貴;人工免疫系統(tǒng)研究的新進(jìn)展[J];計算機(jī)自動測量與控制;2002年11期

8 梁鴻生,郝勇娜,王凱,柴繼河;免疫算法[J];昆明理工大學(xué)學(xué)報(理工版);2003年05期

9 蔡自興,龔濤;免疫算法研究的進(jìn)展[J];控制與決策;2004年08期

10 谷源濤,唐昆,崔慧娟,杜文;新的變步長歸一化最小均方算法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2002年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 孫小華;協(xié)同過濾系統(tǒng)的稀疏性與冷啟動問題研究[D];浙江大學(xué);2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 周洋;個性化推薦系統(tǒng)推薦引擎原型系統(tǒng)研究[D];對外經(jīng)濟(jì)貿(mào)易大學(xué);2007年

2 馮超;K-means聚類算法的研究[D];大連理工大學(xué);2007年

  本文關(guān)鍵詞：基于人工免疫算法的電子商務(wù)推薦系統(tǒng)的研究，，由筆耕文化傳播整理發(fā)布。

本文編號：348863