本文關(guān)鍵詞：協(xié)同過濾算法在電子商務(wù)推薦系統(tǒng)的研究

  更多相關(guān)文章： 智能化服務(wù) 推薦系統(tǒng) 樸素貝葉斯 協(xié)同過濾 用戶相似度 用戶聚類

【摘要】：隨著網(wǎng)絡(luò)信息化服務(wù)的飛躍式發(fā)展,商品與服務(wù)等領(lǐng)域的電子海量數(shù)據(jù),在給用戶提供更多信息服務(wù)的同時(shí),也讓用戶迷失在電子信息的海洋之中,無法準(zhǔn)確地找到自己想要的信息,作為智能化服務(wù)的推薦系統(tǒng)已經(jīng)成為信息個(gè)性化推薦技術(shù)的重要表現(xiàn)形式,在電子商務(wù)等信息化服務(wù)中具在不可替代的作用。對電子商務(wù)推薦模塊的研究,具有良好的應(yīng)用前景和實(shí)用價(jià)值。 本文在研究電子商務(wù)領(lǐng)域中廣泛應(yīng)用的個(gè)性化推薦系統(tǒng)的基礎(chǔ)上,對推薦系統(tǒng)中各種推薦技術(shù)進(jìn)行研究,結(jié)合各種推薦技術(shù)的優(yōu)缺點(diǎn),著重研究協(xié)同過濾技術(shù)的填充模型,針對協(xié)同過濾中存在的數(shù)據(jù)極端稀疏、相似準(zhǔn)確度問題進(jìn)行研究,提出一種基于模型填充的混合協(xié)同過濾算法,并將之應(yīng)用于電子商務(wù)推薦模塊。 對填充模型的研究,本文主要提出了兩種填充策略,首先,利用樸素貝葉斯方法對用戶項(xiàng)目屬性進(jìn)行概率統(tǒng)計(jì),建立特征屬性預(yù)測表,即相應(yīng)的貝葉斯模型,結(jié)合項(xiàng)目相似度的項(xiàng)目模型,建立由貝葉斯模型和項(xiàng)目模型結(jié)合的填充策略；其次,基于用戶聚類和項(xiàng)目聚類,結(jié)合用戶聚類的(用戶組,項(xiàng)目)評分矩陣和項(xiàng)目聚類建立的(用戶,項(xiàng)目組)評分矩陣來對(用戶,項(xiàng)目)稀疏評分矩陣進(jìn)行填充的聚類填充策略。實(shí)驗(yàn)結(jié)果表明,基于填充模型的協(xié)同過濾算法對傳統(tǒng)過濾算法有更好的性能,在用戶相似度以及項(xiàng)目相似度的準(zhǔn)確度上有較大的提高,從而提高了推薦的準(zhǔn)確度；針對不同的數(shù)據(jù)源進(jìn)行建模,有效地改善了推薦系統(tǒng)數(shù)據(jù)的單一性,將基于內(nèi)容的推薦技術(shù)與基于評分的推薦技術(shù)有效地整合在填充模型中,改善了推薦系統(tǒng)對評分?jǐn)?shù)據(jù)的過度依賴,提高了推薦系統(tǒng)的健壯性。
【關(guān)鍵詞】：智能化服務(wù) 推薦系統(tǒng) 樸素貝葉斯 協(xié)同過濾 用戶相似度 用戶聚類
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：TP391.3
【目錄】：

• 摘要4-5
• Abstract5-7
• 目錄7-9
• 1 緒論9-14
• 1.1 研究背景及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀以及存在的問題10-13
• 1.2.1 研究現(xiàn)狀10-12
• 1.2.2 推薦系統(tǒng)中存在問題12-13
• 1.3 研究內(nèi)容與論文結(jié)構(gòu)安排13-14
• 1.3.1 研究內(nèi)容13
• 1.3.2 結(jié)構(gòu)安排13-14
• 2 個(gè)性化電子商務(wù)推薦系統(tǒng)14-19
• 2.1 電子商務(wù)推薦系統(tǒng)簡介14-15
• 2.2 電子商務(wù)推薦系統(tǒng)的分類15-17
• 2.3 推薦系統(tǒng)的結(jié)構(gòu)框架17-19
• 3 各種推薦技術(shù)在電子商務(wù)推薦系統(tǒng)中的應(yīng)用19-30
• 3.1 基于關(guān)聯(lián)規(guī)則的推薦算法19-21
• 3.2 基于內(nèi)容的推薦算法21-22
• 3.3 協(xié)同過濾推薦算法22-25
• 3.3.1 協(xié)同過濾的一般步驟23-24
• 3.3.2 兩種基本的協(xié)同過濾算法24
• 3.3.3 協(xié)同過濾技術(shù)存在的問題24-25
• 3.4 基于知識推薦算法25-26
• 3.5 基于效用的推薦算法26
• 3.6 混合推薦算法26-30
• 4 基于模型填充的混合協(xié)同過濾推薦系統(tǒng)30-42
• 4.1 模型構(gòu)建基礎(chǔ)30-31
• 4.2 基于貝葉斯模型和項(xiàng)目模型的矩陣填充策略31-34
• 4.2.1 構(gòu)建貝葉斯模型31-32
• 4.2.2 構(gòu)建項(xiàng)目模型32-34
• 4.3 基于用戶和項(xiàng)目聚類模型的填充策略34-39
• 4.3.1 Refined k-means聚類算法35-36
• 4.3.2 建立用戶聚類模型36-38
• 4.3.3 建立項(xiàng)目聚類模型38
• 4.3.4 基于用戶和項(xiàng)目聚類的填充方法38-39
• 4.4 相似度計(jì)算39-40
• 4.4.1 用戶相似度和項(xiàng)目相似度計(jì)算39-40
• 4.4.2 改進(jìn)用戶相似度USim(a,u)和項(xiàng)目相似度ISim(i,j)40
• 4.5 鄰居選擇與評分預(yù)測40-42
• 5 實(shí)驗(yàn)結(jié)果及評價(jià)42-48
• 5.1 數(shù)據(jù)集的選取及度量標(biāo)準(zhǔn)42-43
• 5.1.1 實(shí)驗(yàn)平臺42
• 5.1.2 數(shù)據(jù)集42-43
• 5.1.3 度量標(biāo)準(zhǔn)43
• 5.2 實(shí)驗(yàn)結(jié)果及其分析43-48
• 5.2.1 實(shí)驗(yàn)結(jié)果43-46
• 5.2.2 實(shí)驗(yàn)結(jié)果分析46-48
• 6 結(jié)束語48-49
• 6.1 論文總結(jié)48
• 6.2 以后要做的工作48-49
• 參考文獻(xiàn)49-52
• 致謝52-53
• 個(gè)人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果53

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王志軍;岳訓(xùn);付冬菊;苗良;;基于Web投票機(jī)制的免疫協(xié)同過濾推薦技術(shù)研究[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2010年01期

2 游文;葉水生;;電子商務(wù)推薦系統(tǒng)中的協(xié)同過濾推薦[J];計(jì)算機(jī)技術(shù)與發(fā)展;2006年09期

3 胡慧蓉;;電子商務(wù)個(gè)性化推薦系統(tǒng)分析與設(shè)計(jì)[J];科技創(chuàng)新導(dǎo)報(bào);2009年08期

4 趙宏霞;王新海;楊皎平;;基于用戶和項(xiàng)目因子分析的混合協(xié)同推薦算法[J];計(jì)算機(jī)應(yīng)用;2011年05期

5 孫小華;陳洪;孔繁勝;;在協(xié)同過濾中結(jié)合奇異值分解與最近鄰方法[J];計(jì)算機(jī)應(yīng)用研究;2006年09期

6 顧曄;呂紅兵;;改進(jìn)的增量奇異值分解協(xié)同過濾算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年11期

7 李超然,徐雁斐,張亮;協(xié)同推薦pLSA模型的動(dòng)態(tài)修正[J];計(jì)算機(jī)工程;2005年20期

8 張李義;羅惠恒;;基于協(xié)同過濾的WhuRecomm推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2006年06期

9 劉魯;任曉麗;;推薦系統(tǒng)研究進(jìn)展及展望[J];信息系統(tǒng)學(xué)報(bào);2008年01期

10 王惠敏;聶規(guī)劃;;基于模糊聚類和資源平滑的協(xié)同過濾推薦[J];情報(bào)雜志;2007年07期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 胡必云;李舟軍;王君;;基于心理測量學(xué)的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

2 謝科;劉奕群;岑榮偉;馬少平;茹立云;楊磊;;基于維基百科層次分類框架的主題推薦系統(tǒng)的研究[A];中國計(jì)算語言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

3 湯顯;郭景峰;高英飛;;基于類別相似性的增量協(xié)同過濾推薦算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

4 李建國;姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（B輯）[C];2009年

5 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務(wù)推薦系統(tǒng)[A];第三屆學(xué)生計(jì)算語言學(xué)研討會(huì)論文集[C];2006年

6 何發(fā)鎂;馮勇;許榕生;王旭仁;;推薦系統(tǒng)安全問題研究綜述[A];第13屆全國計(jì)算機(jī)、網(wǎng)絡(luò)在現(xiàn)代科學(xué)技術(shù)領(lǐng)域的應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

7 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[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集A輯一[C];2010年

8 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊）[C];2009年

9 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學(xué)會(huì)第五次全國會(huì)員代表大會(huì)暨2006年全國學(xué)術(shù)年會(huì)論文集[C];2006年

10 王茜;張衛(wèi)星;;基于分類樹相似度加權(quán)的協(xié)同過濾算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 本報(bào)記者 馮衛(wèi)東;網(wǎng)絡(luò)導(dǎo)購：找出你的最愛[N];科技日報(bào);2007年

2 林嘉澍;從搜索到發(fā)現(xiàn)[N];經(jīng)濟(jì)觀察報(bào);2007年

3 商報(bào)記者 金朝力;奇藝推3套推薦引擎搶奪視頻新制高點(diǎn)[N];北京商報(bào);2011年

4 饒宇鋒;微軟策動(dòng)互聯(lián)網(wǎng)跨越搜索時(shí)代[N];財(cái)經(jīng)時(shí)報(bào);2007年

5 熊明華;九江人才市場打造就業(yè)“助推器”[N];中國人事報(bào);2006年

6 鐔立勇;2007年度省科技獎(jiǎng)推薦工作啟動(dòng)[N];河北經(jīng)濟(jì)日報(bào);2007年

7 本報(bào)記者　 何小龍;委員履職：量化打分[N];江淮時(shí)報(bào);2006年

8 薛求知;我們需要準(zhǔn)確地理解西點(diǎn)軍校[N];上海證券報(bào);2007年

9 CPW華南區(qū)記者 伍羨妮;開放平臺 移動(dòng)商務(wù)乍現(xiàn)商機(jī)[N];電腦商報(bào);2003年

10 劉溟;互聯(lián)網(wǎng)　個(gè)性化營銷最佳載體[N];經(jīng)濟(jì)日報(bào);2004年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 鄧愛林;電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];復(fù)旦大學(xué);2003年

2 李濤;推薦系統(tǒng)中若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2009年

3 沈磊;心理學(xué)模型與協(xié)同過濾集成的算法研究[D];北京航空航天大學(xué);2010年

4 張亮;推薦系統(tǒng)中協(xié)同過濾算法若干問題的研究[D];北京郵電大學(xué);2009年

5 張寅;個(gè)性化技術(shù)及其在數(shù)字圖書館中應(yīng)用的研究[D];浙江大學(xué);2009年

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

7 夏培勇;個(gè)性化推薦技術(shù)中的協(xié)同過濾算法研究[D];中國海洋大學(xué);2011年

8 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

9 高e，

本文編號：900202