本文關(guān)鍵詞：基于半監(jiān)督學習的電子商務(wù)推薦方法

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

【摘要】：基于產(chǎn)品的協(xié)同過濾推薦是被廣泛使用的產(chǎn)品推薦方法,該方法向用戶推薦與用戶之前感興趣的產(chǎn)品相似的產(chǎn)品,其關(guān)鍵在于產(chǎn)品相似度的計算。購買數(shù)據(jù)能夠很好的反應用戶興趣,被廣泛用于計算用戶的相似度。在大型綜合性網(wǎng)站上,例如亞馬遜,推薦系統(tǒng)利用豐富的用戶購買數(shù)據(jù)獲得了很好的推薦效果,但在許多中小型垂直電子商務(wù)網(wǎng)站中,普遍存在的現(xiàn)象是瀏覽數(shù)據(jù)相對豐富,但購買數(shù)據(jù)非常缺乏,缺乏購買相關(guān)數(shù)據(jù)成為制約推薦系統(tǒng)在此類網(wǎng)站發(fā)揮作用的一大原因。 半監(jiān)督學習是介于監(jiān)督學習和無監(jiān)督學習之間的一種學習方式。半監(jiān)督學習中主要涉及兩類信息,已知標簽信息和未知標簽數(shù)據(jù),通常未知標簽數(shù)據(jù)量遠大于已知標簽數(shù)據(jù)量。半監(jiān)督學習技術(shù)將小部分已知標簽數(shù)據(jù)用作約束條件指導對未標注標簽數(shù)據(jù)的學習,獲得更好的學習效果。在電商場景中,購買數(shù)據(jù)可被用作準確反映用戶興趣的約束數(shù)據(jù),而瀏覽數(shù)據(jù)則是數(shù)據(jù)規(guī)模較大但準確度較低,可類比于未知標簽數(shù)據(jù)。利用半監(jiān)督學習技術(shù)可以很好的將購買數(shù)據(jù)和瀏覽數(shù)據(jù)結(jié)合起來以改善產(chǎn)品相似度計算,從而改善協(xié)同過濾推薦效果。 本文提出了一種利用少量購買數(shù)據(jù)提高推薦效果的半監(jiān)督學習方法。該方法將購買數(shù)據(jù)作為約束數(shù)據(jù),改善利用瀏覽數(shù)據(jù)計算的產(chǎn)品相似度的準確性。本文在一個在線眼鏡電商網(wǎng)站數(shù)據(jù)上驗證了該方法,實驗表明該方法僅用少量購買數(shù)據(jù)即有效提高了推薦效果。
【關(guān)鍵詞】：半監(jiān)督學習 協(xié)同過濾 電子商務(wù) 推薦系統(tǒng)
【學位授予單位】：南京大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TP181
【目錄】：

• 摘要4-5
• Abstract5-6
• Content6-10
• 1 Introduction10-13
• 1.1 Recommender System10
• 1.2 Vertical E-commerce10-11
• 1.3 Semi-supervised Learning11-12
• 1.4 Contribution12-13
• 2 Background13-25
• 2.1 Recommendation Methods13-18
• 2.1.1 Introduction13-14
• 2.1.2 Input14-16
• 2.1.3 Algorithms16-17
• 2.1.4 Challenge17-18
• 2.2 Item-based collaborative fitering18-20
• 2.2.1 Introduction18-19
• 2.2.2 Methodology19-20
• 2.3 Semi-supervised Learning20-25
• 2.3.1 Introduction20-21
• 2.3.2 Cluster Assumption & Manifold Assumption21-23
• 2.3.3 Recommender Systems Based on Semi-supervised Learning23
• 2.3.4 Summary23-25
• 3 Empirical Study on Vertical E-commerce Site25-35
• 3.1 Motivation25-26
• 3.2 Evaluation26-33
• 3.2.1 Data Set26-27
• 3.2.2 Evaluated Recommendation Methods27-29
• 3.2.3 Evaluation Metrics29-30
• 3.2.4 Result and Discussion30-33
• 3.3 Challenge33
• 3.4 Summary33-35
• 4 Semi-supervised Item-based Recommendation35-50
• 4.1 Semi-supervised Dimension Reduction35-37
• 4.2 Constraints37-39
• 4.3 Experiment Design39-42
• 4.3.1 Framework39-40
• 4.3.2 Data Set40
• 4.3.3 Data Preprocessing40-41
• 4.3.4 Similarity Measure41
• 4.3.5 Generate Recommendations41-42
• 4.4 Evaluation42-49
• 4.4.1 Evaluation Method42-43
• 4.4.2 Data Filtering43-44
• 4.4.3 Semi-supervised Results44-49
• 4.5 Summary49-50
• 5 Conclusion50-51
• References51-58
• 簡歷與科研成果58-60
• 致謝60-61

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李妍妍;李媛媛;葉世偉;;基于流形正則化的支持向量回歸及應用[J];計算機應用;2007年08期

2 李永忠;王汝山;張念貴;王玉雷;;基于半監(jiān)督模糊聚類的入侵檢測技術(shù)[J];江蘇科技大學學報(自然科學版);2010年04期

3 傅向華,馮博琴,馬兆豐,何明;可在線增量自學習的聚焦爬行方法[J];西安交通大學學報;2004年06期

4 丁磊,錢云濤;不同程度的監(jiān)督機制在自動文本分類中的應用[J];計算機應用與軟件;2004年06期

5 張晨光;李玉擰;;基于半監(jiān)督學習的眉毛圖像分割方法[J];計算機工程與應用;2009年21期

6 劉葉青;劉三陽;谷明濤;;一種多項式光滑的半監(jiān)督支持向量機分類算法[J];計算機科學;2009年07期

7 楊緒兵;潘志松;陳松燦;;半監(jiān)督型廣義特征值最接近支持向量機[J];模式識別與人工智能;2009年03期

8 魯珂,趙繼東,葉婭蘭,曾家智;一種用于圖像檢索的新型半監(jiān)督學習算法[J];電子科技大學學報;2005年05期

9 羅進;周學君;;半監(jiān)督學習中非標記數(shù)據(jù)的利用[J];湖北大學學報(自然科學版);2008年01期

10 曹慧;劉玉峰;;未標記樣本在半監(jiān)督學習中的應用方法研究[J];廣西輕工業(yè);2008年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 谷方明;劉大有;王新穎;;基于半監(jiān)督學習的加權(quán)支持向量域數(shù)據(jù)描述方法[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集(B輯)[C];2010年

2 楊源;馬云龍;林鴻飛;;基于權(quán)重標準化SimRank與半監(jiān)督學習的產(chǎn)品屬性歸類[A];中國計算語言學研究前沿進展（2009-2011）[C];2011年

3 朱松豪;梁志偉;;用半監(jiān)督學習方法實現(xiàn)圖像檢索[A];第二十九屆中國控制會議論文集[C];2010年

4 邱慧寧;黃劍;陳羽;賴劍煌;;基于UDP的半監(jiān)督學習及其在人臉識別的應用[A];第十四屆全國圖象圖形學學術(shù)會議論文集[C];2008年

5 畢錦煙;李巍華;;基于半監(jiān)督模糊核聚類的齒輪箱早期故障檢測方法[A];第九屆全國振動理論及應用學術(shù)會議論文摘要集[C];2007年

6 柳斌;李之棠;涂浩;;一種基于半監(jiān)督學習的應用層流量分類方法[A];2008年全國開放式分布與并行計算機學術(shù)會議論文集(下冊)[C];2008年

7 張召;業(yè)寧;業(yè)巧林;;基于配對約束的核半監(jiān)督非線性降維算法[A];第五屆全國信息檢索學術(shù)會議論文集[C];2009年

8 王倩影;馮國燦;湯鑫;;δ-距離及其在半監(jiān)督增強中的應用[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

9 馮瑞;宋春林;;一種基于局部學習的復雜系統(tǒng)建模方法[A];2007中國控制與決策學術(shù)年會論文集[C];2007年

10 何慧;陳博;郭軍;;基于流形學習的半監(jiān)督文本情感分類算法[A];第五屆全國信息檢索學術(shù)會議論文集[C];2009年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 孔怡青;半監(jiān)督學習及其應用研究[D];江南大學;2009年

2 王嬌;多視圖的半監(jiān)督學習研究[D];北京交通大學;2010年

3 蘭遠東;基于圖的半監(jiān)督學習理論、算法及應用研究[D];華南理工大學;2012年

4 徐雪;樣本的幾何信息在半監(jiān)督學習中的應用研究[D];中國科學技術(shù)大學;2010年

5 朱巖;面向文本數(shù)據(jù)的半監(jiān)督學習研究[D];北京交通大學;2012年

6 桂杰;基于圖的半監(jiān)督學習和維數(shù)約簡方法及其應用研究[D];中國科學技術(shù)大學;2010年

7 潘俊;基于圖的半監(jiān)督學習及其應用研究[D];浙江大學;2011年

8 余國先;高維數(shù)據(jù)上的半監(jiān)督學習研究[D];華南理工大學;2013年

9 趙志凱;半監(jiān)督學習及其在煤礦瓦斯安全信息處理中的應用研究[D];中國礦業(yè)大學;2012年

10 任廣波;基于半監(jiān)督學習的遙感影像分類技術(shù)研究[D];中國海洋大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陳新勇;基于核策略的半監(jiān)督學習方法研究[D];河北大學;2010年

2 黃明明;半監(jiān)督學習方法研究及在警用平臺中的應用[D];大連理工大學;2010年

3 馮元佶;基于圖的半監(jiān)督學習的改進研究[D];湘潭大學;2010年

4 余養(yǎng)強;半監(jiān)督學習若干問題的研究[D];福建師范大學;2010年

5 劉偉濤;半監(jiān)督學習方法及應用研究[D];山東大學;2011年

6 楊偉;半監(jiān)督學習方法研究[D];國防科學技術(shù)大學;2011年

7 魏征麗;基于圖半監(jiān)督學習算法的研究及應用[D];西安電子科技大學;2012年

8 劉孝良;基于半監(jiān)督學習的隨機森林算法研究與應用[D];中國海洋大學;2013年

9 惠成峰;基于半監(jiān)督學習的電子商務(wù)推薦方法[D];南京大學;2013年

10 王競燕;基于半監(jiān)督學習的橋梁結(jié)構(gòu)健康分類模型的研究與應用[D];北京工商大學;2012年

，

本文編號：911947