本文關(guān)鍵詞：基于混合協(xié)同過濾的電子商務(wù)推薦系統(tǒng)的研究與應(yīng)用

  更多相關(guān)文章： 電子商務(wù) 推薦系統(tǒng) 協(xié)同過濾

【摘要】：因特網(wǎng)以驚人的速度發(fā)展著，它對人們生活的各個(gè)方面產(chǎn)生了深遠(yuǎn)的影響，改變了人們通信交流、獲取信息、進(jìn)行商業(yè)活動等等的方式。當(dāng)今，電子商務(wù)已經(jīng)成為因特網(wǎng)一個(gè)非常有前景的應(yīng)用領(lǐng)域。隨著電子商務(wù)的快速發(fā)展，各種各樣的商品充斥在購物網(wǎng)站上。在數(shù)以百萬計(jì)的商品中，面臨的選擇令人眼花繚亂，以至于用戶越來越難以選擇他們感興趣的商品。在此背景下，推薦系統(tǒng)應(yīng)運(yùn)而生。推薦系統(tǒng)可以為每個(gè)特定的消費(fèi)者列出一系列推薦產(chǎn)品，以幫助他們快速地找到可能感興趣的商品。為此，研究人員已經(jīng)提出了許多種推薦技術(shù)，其中，協(xié)同過濾是最成功的推薦算法，它已經(jīng)被廣泛應(yīng)用于許多不同的應(yīng)用中，但是存在的一些不足之處有待改進(jìn)。本文的主要工作如下： 1、本文使用矩陣分塊和最小堆的方法對協(xié)同過濾算法中最近鄰集合的查找過程進(jìn)行了研究和改進(jìn)，降低了對內(nèi)存空間的需求。 2、本文使用組合式數(shù)據(jù)填充的方式對協(xié)同過濾算法中使用的初始用戶評論數(shù)據(jù)矩陣進(jìn)行填充，以解決兩種傳統(tǒng)的協(xié)同過濾算法中均存在的“數(shù)據(jù)稀疏性”問題。通過引入一個(gè)權(quán)重因子，將兩種算法組合起來，提出了一種基于用戶和物品的加權(quán)型混合協(xié)同過濾算法，融合兩者的優(yōu)勢，使得系統(tǒng)產(chǎn)生的推薦結(jié)果比較新穎又能夠?qū)Ξa(chǎn)生的推薦結(jié)果做出比較合理的解釋。 3、本文使用MovieLens數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)分析，結(jié)果表明加權(quán)型混合協(xié)同過濾算法計(jì)算所得的平均絕對誤差小于基于用戶的協(xié)同過濾算法和基于物品的協(xié)同過濾算法計(jì)算所得的平均絕對誤差，，這就說明該加權(quán)型混合協(xié)同過濾算法在一定程度上提高了推薦結(jié)果的準(zhǔn)確度，并且其覆蓋率和多樣性也比較令人滿意。 4、本文利用提出的加權(quán)型混合協(xié)同過濾算法設(shè)計(jì)了一個(gè)電子商務(wù)推薦系統(tǒng)，并使用DIV、CSS、Spring和Hibernate等技術(shù)框架，開發(fā)出一個(gè)網(wǎng)上購物商城，實(shí)現(xiàn)該系統(tǒng)中的主要功能，并應(yīng)用了設(shè)計(jì)的電子商務(wù)推薦系統(tǒng)。
【關(guān)鍵詞】：電子商務(wù) 推薦系統(tǒng) 協(xié)同過濾
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.3
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-20
• 1.1 研究背景9-10
• 1.2 研究目的與意義10-11
• 1.3 研究現(xiàn)狀與存在問題11-19
• 1.3.1 電子商務(wù)推薦的目標(biāo)12
• 1.3.2 國外的研究現(xiàn)狀12-15
• 1.3.3 國內(nèi)的研究現(xiàn)狀15-16
• 1.3.4 存在問題分析16-19
• 1.4 研究內(nèi)容19
• 1.5 論文的組織結(jié)構(gòu)19-20
• 第2章 混合協(xié)同過濾算法的研究20-40
• 2.1 數(shù)據(jù)稀疏性問題的解決20-21
• 2.2 缺乏解釋性問題的解決21-23
• 2.3 缺乏新穎性問題的解決23-24
• 2.4 最近鄰集合形成的研究24-28
• 2.4.1 評價(jià)矩陣分塊方法的研究25-26
• 2.4.2 相似度計(jì)算過程的改進(jìn)26-27
• 2.4.3 復(fù)雜度分析27-28
• 2.5 加權(quán)型混合協(xié)同過濾算法的研究28-39
• 2.5.1 算法的基本思想28-30
• 2.5.2 算法的具體流程30-34
• 2.5.3 算法的偽代碼描述34-37
• 2.5.4 權(quán)重因子的取值37-38
• 2.5.5 算法的復(fù)雜度分析38-39
• 2.6 進(jìn)一步探討39
• 2.7 本章小結(jié)39-40
• 第3章 混合協(xié)同過濾算法的實(shí)驗(yàn)分析40-50
• 3.1 實(shí)驗(yàn)的環(huán)境配置40
• 3.2 數(shù)據(jù)集的獲取40-41
• 3.3 實(shí)驗(yàn)評價(jià)指標(biāo)41-42
• 3.4 實(shí)驗(yàn)結(jié)果及分析42-49
• 3.4.1 權(quán)重因子的確定42-44
• 3.4.2 準(zhǔn)確度的對比44-46
• 3.4.3 覆蓋率的對比46-47
• 3.4.4 多樣性的對比47-49
• 3.5 本章小結(jié)49-50
• 第4章 推薦系統(tǒng)的設(shè)計(jì)及應(yīng)用50-66
• 4.1 推薦系統(tǒng)的組成50-51
• 4.2 推薦系統(tǒng)的設(shè)計(jì)51-53
• 4.3 推薦系統(tǒng)的應(yīng)用53-65
• 4.3.1 系統(tǒng)結(jié)構(gòu)的設(shè)計(jì)53
• 4.3.2 功能模塊的設(shè)計(jì)53-60
• 4.3.3 數(shù)據(jù)庫的設(shè)計(jì)60-63
• 4.3.4 運(yùn)行結(jié)果及分析63-65
• 4.4 本章小結(jié)65-66
• 第5章 總結(jié)與展望66-69
• 5.1 總結(jié)66-67
• 5.2 展望67-69
• 致謝69-70
• 參考文獻(xiàn)70-73
• 攻讀碩士學(xué)位期間發(fā)表的論文及參研的項(xiàng)目73

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙亮,胡乃靜,張守志;個(gè)性化推薦算法設(shè)計(jì)[J];計(jì)算機(jī)研究與發(fā)展;2002年08期

2 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[J];計(jì)算機(jī)科學(xué);2004年10期

3 何光輝;魏曙光;王蔚韜;;改進(jìn)的聚類鄰居協(xié)同過濾推薦算法[J];計(jì)算機(jī)科學(xué);2004年11期

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

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

6 趙琴琴;魯凱;王斌;;SPCF:一種基于內(nèi)存的傳播式協(xié)同過濾推薦算法[J];計(jì)算機(jī)學(xué)報(bào);2013年03期

7 鄧愛林,朱揚(yáng)勇,施伯樂;基于項(xiàng)目評分預(yù)測的協(xié)同過濾推薦算法[J];軟件學(xué)報(bào);2003年09期

8 吳湖;王永吉;王哲;王秀利;杜栓柱;;兩階段聯(lián)合聚類協(xié)同過濾算法[J];軟件學(xué)報(bào);2010年05期

9 孟祥武;胡勛;王立才;張玉潔;;移動推薦系統(tǒng)及其應(yīng)用[J];軟件學(xué)報(bào);2013年01期

10 楊興耀;于炯;吐爾根·依布拉音;廖彬;錢育蓉;;融合奇異性和擴(kuò)散過程的協(xié)同過濾模型[J];軟件學(xué)報(bào);2013年08期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 薛福亮;電子商務(wù)協(xié)同過濾推薦質(zhì)量影響因素及其改進(jìn)機(jī)制研究[D];天津大學(xué);2012年

2 胡新明;基于商品屬性的電子商務(wù)推薦系統(tǒng)研究[D];華中科技大學(xué);2012年

本文編號：733138