發(fā)布時間：2017-10-06 00:33

  本文關鍵詞：基于協(xié)同過濾的電子商務個性化推薦算法研究

  更多相關文章： 協(xié)同過濾 個性化推薦 用戶興趣 推薦系統(tǒng) 聚類

【摘要】：隨著互聯(lián)網(wǎng)的迅速發(fā)展和普及,現(xiàn)代電子商務得到廣泛的應用,越來越多的商品信息充斥在商務網(wǎng)站中,人們面對如此眾多的商品信息感到束手無策,很難在短時間內找到自己需要的商品,這就是“信息過載”現(xiàn)象。為了能夠幫助顧客迅速找到其所需要的商品,電子商務個性化推薦技術便應運而生。 目前,在眾多的個性化推薦技術中,協(xié)同過濾推薦技術是在個性化推薦系統(tǒng)中應用較廣泛和推薦效果較好的技術之一。本文以協(xié)同過濾推薦技術為基礎,以提高推薦質量為出發(fā)點,針對傳統(tǒng)的User-based協(xié)同過濾推薦算法存在的不足,給出了一種改進的User-based協(xié)同過濾推薦算法,這種算法跟傳統(tǒng)的User-based協(xié)同過濾推薦算法相比,其優(yōu)勢主要體現(xiàn)在以下幾個方面：第一,原始的用戶一項目評分矩陣過于稀疏,影響推薦質量,改進的User-based協(xié)同過濾推薦算法對原始的用戶一項目評分矩陣進行填充處理,在保留更多有用信息的前提下,提高了用戶一項目評分矩陣的稠密度。第二,在計算目標用戶相似鄰居時,考慮到了用戶興趣性質的問題,只在用戶表現(xiàn)出喜歡的項目上尋找鄰居用戶,這樣可以發(fā)現(xiàn)與目標用戶興趣更加相似的鄰居用戶,進一步提高了推薦的質量。第三,改進的算法在計算目標用戶的鄰居用戶時,加入了時間元素,在目標用戶最近訪問的項目上給予更高的權重,反映出了用戶興趣變化的趨勢,這樣找到的鄰居用戶與目標用戶最近的興趣更加相似,推薦的項目也更加符合用戶最近的興趣偏好。第四,對項目進行分類,在目標用戶所喜歡的項目所屬的各個子類中尋找鄰居用戶,然后在各個子用戶一項目評分矩陣上產(chǎn)生子候選推薦集合,最后綜合各個子候選推薦集合得到最終的推薦列表呈獻給目標用戶,通過這種方式可以找到目標用戶更“真”的鄰居,對目標用戶產(chǎn)生更準確的推薦。文章最后在Movielens和EachMovie數(shù)據(jù)集上對該算法進行了驗證,使用MAE來衡量推薦算法的推薦質量,經(jīng)試驗證明,改進后的算法與傳統(tǒng)的User-based協(xié)同過濾算法相比,推薦質量在一定程度上得到了提高。
【關鍵詞】：協(xié)同過濾 個性化推薦 用戶興趣 推薦系統(tǒng) 聚類
【學位授予單位】：海南大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TP301.6
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-16
• 1.1 研究背景8-9
• 1.2 問題提出9-10
• 1.3 研究目的及意義10-11
• 1.4 國內外發(fā)展現(xiàn)狀11-14
• 1.5 研究工作14-16
• 2 電子商務推薦系統(tǒng)概述16-26
• 2.1 推薦系統(tǒng)16-17
• 2.2 電子商務推薦系統(tǒng)17-24
• 2.3 電子商務推薦系統(tǒng)面臨的挑戰(zhàn)24-25
• 2.4 本章小結25-26
• 3 電子商務推薦的相關技術26-36
• 3.1 實現(xiàn)推薦的相關技術26-29
• 3.2 各種推薦技術概述29-34
• 3.3 電子商務推薦技術面臨的挑戰(zhàn)34-35
• 3.4 本章小結35-36
• 4 協(xié)同過濾推薦技術36-46
• 4.1 協(xié)同過濾推薦技術原理36-38
• 4.2 傳統(tǒng)的協(xié)同過濾推薦技術38-45
• 4.3 本章小結45-46
• 5 傳統(tǒng)的User-based協(xié)同過濾推薦算法的改進46-61
• 5.1 傳統(tǒng)的User-based協(xié)同過濾推薦算法的不足46-47
• 5.2 傳統(tǒng)的Us er-based協(xié)同過濾推薦算法的改進措施47-57
• 5.3 改進的User-based協(xié)同過濾推薦算法57-59
• 5.4 改進的User-based協(xié)同過濾推薦算法分析59-60
• 5.5 本章小結60-61
• 6 改進的User-based協(xié)同過濾推薦算法的實驗設計與分析61-74
• 6.1 實驗數(shù)據(jù)的選取和實驗環(huán)境61-62
• 6.2 改進的User-based協(xié)同過濾推薦算法的實驗設計62-65
• 6.3 實驗結果和分析65-73
• 6.4 本章小結73-74
• 7 總結與展望74-77
• 7.1 總結74-75
• 7.2 展望75-77
• 參考文獻77-80
• 碩士期間發(fā)表的論文80-81
• 致謝81

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 趙亮,胡乃靜,張守志;個性化推薦算法設計[J];計算機研究與發(fā)展;2002年08期

2 陸林花;王波;;一種改進的遺傳聚類算法[J];計算機工程與應用;2007年21期

3 熊馨,王衛(wèi)平,葉躍祥;電子商務個性化產(chǎn)品推薦策略研究[J];科技進步與對策;2005年07期

4 馬輝民;周鳳林;;電子商務下的柔性推薦系統(tǒng)[J];武漢理工大學學報(信息與管理工程版);2007年02期

5 余力,劉魯,羅掌華;我國電子商務推薦策略的比較分析[J];系統(tǒng)工程理論與實踐;2004年08期

6 朱巖;林澤楠;;電子商務中的個性化推薦方法評述[J];中國軟科學;2009年02期

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 鄧愛林;電子商務推薦系統(tǒng)關鍵技術研究[D];復旦大學;2003年

2 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;2005年

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 何安;協(xié)同過濾技術在電子商務推薦系統(tǒng)中的應用研究[D];浙江大學;2007年

2 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)濟貿(mào)易大學;2007年

，

本文編號：979730