本文關(guān)鍵詞：電子商務(wù)中基于信任關(guān)系的商品推薦方法

  更多相關(guān)文章： 電子商務(wù) 推薦系統(tǒng) 信任網(wǎng)絡(luò) 交叉領(lǐng)域 協(xié)同過濾 推薦多樣性

【摘要】：近年來,隨著互聯(lián)網(wǎng)的迅速發(fā)展,網(wǎng)絡(luò)信息的數(shù)量和規(guī)�？涨案邼q。一方面,人們能夠更加容易地接觸到各種各樣的信息；另一方面,信息過載問題也變得越來越嚴(yán)重。研究人員和工程師們已經(jīng)提出了許多的方法和技術(shù)來解決信息過載問題,其中,推薦系統(tǒng)被譽為最流行和最有效的工具之一。推薦系統(tǒng)發(fā)展至今,已經(jīng)成功地應(yīng)用到了許多領(lǐng)域。電子商務(wù)正是推薦系統(tǒng)的重要的應(yīng)用領(lǐng)域之一。在電子商務(wù)領(lǐng)域中,與日俱增的用戶和商品數(shù)量,海量的有用或無用的信息,使用戶越來越難以找到感興趣的信息。電子商務(wù)推薦系統(tǒng),能夠從歷史數(shù)據(jù)中分析用戶的行為模式,預(yù)測用戶的喜好,是解決這一研究課題的重要途徑。通過電子商務(wù)推薦系統(tǒng),一方面,用戶能夠獲得個性化的服務(wù)和體驗,另一方面,網(wǎng)站也能夠獲得更多的銷售量和利潤。然而,電子商務(wù)推薦系統(tǒng)仍然面臨一些重要的困難與挑戰(zhàn),如數(shù)據(jù)稀疏性問題、冷啟動問題和多樣性推薦問題,這些問題的存在嚴(yán)重限制了電子商務(wù)的發(fā)展。為了解決以上三個問題,本文圍繞現(xiàn)有方法無法適用的場景以及他們忽略的信任關(guān)系的特性和多樣性指標(biāo),結(jié)合電子商務(wù)應(yīng)用領(lǐng)域的特定環(huán)境即電子商務(wù)中商品類別的多樣性,研究面向電子商務(wù)的基于信任關(guān)系的商品推薦。本文的主要工作如下：第一,為了解決單個領(lǐng)域上的推薦面臨的數(shù)據(jù)稀疏性問題和冷啟動問題,提出了基于商品關(guān)系挖掘的交叉領(lǐng)域推薦方法。針對既無公共用戶又無公共商品的交叉領(lǐng)域環(huán)境,利用信任信息、源領(lǐng)域的評分信息和目標(biāo)領(lǐng)域的評分信息,通過構(gòu)造基于交叉領(lǐng)域的商品表示形式建立了交叉領(lǐng)域的商品之間的關(guān)聯(lián)。基于交叉領(lǐng)域的商品表示計算交叉領(lǐng)域的商品之間的相似度,并將源領(lǐng)域的知識即評分遷移到目標(biāo)領(lǐng)域,得到了源領(lǐng)域用戶對目標(biāo)領(lǐng)域商品的更為精確的預(yù)測評分�；谡鎸崝�(shù)據(jù)集上的實驗結(jié)果表明,該推薦方法能夠有效地建立交叉領(lǐng)域的關(guān)聯(lián),并利用建立的關(guān)聯(lián)改進推薦的性能,解決數(shù)據(jù)稀疏性問題和冷啟動問題。第二,為了解決基于無領(lǐng)域區(qū)分的信任關(guān)系的推薦中存在的數(shù)據(jù)稀疏性問題,提出了基于特定領(lǐng)域信任關(guān)系的矩陣分解推薦方法。針對用戶興趣領(lǐng)域的多樣化以及用戶在不同領(lǐng)域的信任行為不同這一事實,通過劃分用戶的興趣領(lǐng)域,基于直接信任關(guān)系和間接信任關(guān)系構(gòu)造了特定領(lǐng)域的信任網(wǎng)絡(luò)。通過融合特定領(lǐng)域的直接和間接信任關(guān)系所表示的用戶之間的相似度,構(gòu)造了基于信任信息和評分信息的矩陣分解模型。通過該模型學(xué)習(xí)用戶特征和商品特征得到精確的預(yù)測評分�；谡鎸崝�(shù)據(jù)集上的實驗結(jié)果表明,該推薦方法能夠有效地利用特定領(lǐng)域的信任行為改進推薦的性能,解決數(shù)據(jù)稀疏性問題。第三,為了解決基于顯式和隱式用戶關(guān)系的推薦中存在的數(shù)據(jù)稀疏性問題,提出了基于同角色用戶間隱式關(guān)系挖掘的協(xié)同過濾推薦方法。通過分析信任網(wǎng)絡(luò)中信任者之間的共生關(guān)系和被信任者之間的共生關(guān)系,建立了同角色用戶之間的關(guān)聯(lián)。通過采用相關(guān)聯(lián)的同角色用戶表示每個用戶以及比較他們的向量形式,得到了更為精確的隱式用戶之間的相似度。通過融合同角色隱式用戶之間的隱式關(guān)系到協(xié)同過濾技術(shù)當(dāng)中,生成了更加精確的預(yù)測評分�；谡鎸崝�(shù)據(jù)集上的實驗結(jié)果表明,該推薦方法能夠有效地利用挖掘出的同角色用戶之間的隱式關(guān)系改進推薦的性能,解決數(shù)據(jù)稀疏性問題。第四,為了提高推薦結(jié)果的多樣性來滿足電子商務(wù)網(wǎng)站的利潤需求,提出了基于信任關(guān)系和重排名策略的商品推薦方法�；谛湃侮P(guān)系的建立時間和多樣性推薦之間的關(guān)聯(lián),通過加權(quán)不同時間建立的信任關(guān)系,提高了推薦結(jié)果的多樣性。基于商品的流行度與多樣性推薦之間的關(guān)聯(lián),采用無條件重排名和有條件重排名策略提高候選商品集中低流行度商品的排名生成新的推薦列表,進一步提高了推薦結(jié)果的多樣性�；谡鎸崝�(shù)據(jù)集上的實驗結(jié)果表明,該推薦方法能夠有效地利用信任關(guān)系的建立時間以及商品的流行度信息提高推薦結(jié)果的多樣性,解決多樣性推薦問題。
【關(guān)鍵詞】：電子商務(wù) 推薦系統(tǒng) 信任網(wǎng)絡(luò) 交叉領(lǐng)域 協(xié)同過濾 推薦多樣性
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.3
【目錄】：

• 摘要4-6
• ABSTRACT6-17
• 主要符號表17-18
• 1 緒論18-37
• 1.1 研究背景及意義18-22
• 1.2 研究現(xiàn)狀22-30
• 1.2.1 傳統(tǒng)的推薦算法22-25
• 1.2.2 基于信任關(guān)系的推薦算法25-30
• 1.3 研究內(nèi)容及章節(jié)安排30-37
• 1.3.1 研究內(nèi)容30-35
• 1.3.2 章節(jié)安排35-37
• 2 基于商品關(guān)系挖掘的交叉領(lǐng)域推薦方法37-56
• 2.1 引言37-39
• 2.2 相關(guān)工作39-40
• 2.3 問題描述40-42
• 2.4 TUCross推薦方法42-48
• 2.4.1 方法概述42-44
• 2.4.2 粗略的評分預(yù)測44-45
• 2.4.3 精確的評分預(yù)測45-48
• 2.5 性能評估48-55
• 2.5.1 數(shù)據(jù)集描述48-49
• 2.5.2 實驗設(shè)置49-50
• 2.5.3 評分預(yù)測的結(jié)果評估50-52
• 2.5.4 Top-N推薦的結(jié)果評估52-55
• 2.6 本章小結(jié)55-56
• 3 基于特定領(lǐng)域信任關(guān)系的矩陣分解推薦方法56-76
• 3.1 引言56-58
• 3.2 相關(guān)工作58-59
• 3.3 問題描述59-61
• 3.4 TruCom推薦方法61-66
• 3.4.1 方法概述61
• 3.4.2 生成特定領(lǐng)域的信任網(wǎng)絡(luò)61-64
• 3.4.3 構(gòu)建統(tǒng)一的目標(biāo)函數(shù)64-66
• 3.5 性能評估66-75
• 3.5.1 數(shù)據(jù)集描述67-68
• 3.5.2 實驗設(shè)置68
• 3.5.3 參數(shù)的影響68-71
• 3.5.4 不同方案的比較71-75
• 3.6 本章小結(jié)75-76
• 4 基于同角色用戶間隱式關(guān)系挖掘的協(xié)同過濾推薦方法76-99
• 4.1 引言76-79
• 4.2 相關(guān)工作79-80
• 4.3 CF-TC推薦方法80-87
• 4.3.1 方法概述80-81
• 4.3.2 挖掘同角色用戶間的隱式關(guān)系81-85
• 4.3.3 基于內(nèi)存的CF-TC方法85
• 4.3.4 基于矩陣分解的CF-TC方法85-87
• 4.4 性能評估87-97
• 4.4.1 數(shù)據(jù)集描述87
• 4.4.2 實驗設(shè)置87-89
• 4.4.3 第一類方法實驗結(jié)果89-95
• 4.4.4 第二類方法實驗結(jié)果95-97
• 4.5 本章小結(jié)97-99
• 5 基于信任關(guān)系和重排名策略的商品推薦方法99-118
• 5.1 引言99-100
• 5.2 相關(guān)工作100-102
• 5.3 TruDiv推薦方法102-107
• 5.3.1 方法概述102
• 5.3.2 評分預(yù)測102-105
• 5.3.3 商品排名105-107
• 5.4 性能評估107-116
• 5.4.1 數(shù)據(jù)集描述107-108
• 5.4.2 實驗設(shè)置108-109
• 5.4.3 評分預(yù)測階段的改進結(jié)果109-111
• 5.4.4 商品排名階段的改進結(jié)果111-116
• 5.5 本章小結(jié)116-118
• 6 結(jié)論與展望118-122
• 6.1 本文工作總結(jié)118-119
• 6.2 本文創(chuàng)新點119-120
• 6.3 后續(xù)研究展望120-122
• 參考文獻122-132
• 攻讀博士學(xué)位期間科研項目及科研成果132-134
• 致謝134-136
• 作者簡介136

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

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

，

本文編號：752373