本文關鍵詞：電子商務協(xié)同過濾推薦算法的優(yōu)化研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：在迅猛發(fā)展的開放的網(wǎng)絡環(huán)境下,基于瀏覽器/服務器應用方式的電子商務也得到了空前發(fā)展,不出去就可以買到自己想要的商品,這種便利使消費者越來越傾向于網(wǎng)上購物。電子商務模式顯示了巨大的現(xiàn)代商業(yè)價值。特別是網(wǎng)絡購物以其便捷,快速的特點成為了人們的一種時尚和潮流。但是人們在享受越來越多的便捷時也面臨著網(wǎng)絡信息過載的困擾。如何在不斷增長的網(wǎng)絡信息中準確快速地找到用戶所需要的信息呢,個性化推薦系統(tǒng)的出現(xiàn)解決了這個問題,而協(xié)同過濾推薦系統(tǒng)作為一種個性化推薦系統(tǒng)脫穎而出。但是網(wǎng)絡數(shù)據(jù)量的不斷增多,協(xié)同過濾推薦系統(tǒng)自身的缺陷逐漸暴露出來,例如稀疏性,冷啟動和時效性等問題。為改善協(xié)同過濾算法本身存在的這些問題,使其推薦效果得到進一步提高,本文對稀疏性、時效性和冷啟動問題進行了優(yōu)化。具體工作的主要包括以下幾方面:協(xié)同過濾推薦算法稀疏性問題和實時性問題優(yōu)化方法:協(xié)同過濾推薦系統(tǒng)是以用戶項目評分矩陣為基礎進行推薦的,矩陣的稀疏性成為影響協(xié)同過濾算法推薦效果的關鍵問題。針對數(shù)據(jù)稀疏性問題提出了一種基于項目屬性相似性的矩陣填充方法。電子商務中的商品都存在一些本身的屬性,這些屬性信息之間的相似性可以在線或離線計算出來,通過找到未評分項目的相似鄰居項目,預測用戶對未評分項目的評分來實現(xiàn)填充,用于解決稀疏性問題。在稠密的矩陣基礎上運用基于用戶的協(xié)同過濾算法實現(xiàn)對目標用戶的推薦。為進一步提高推薦質量,最終的推薦中又分析了時效性問題,推薦函數(shù)中加入了時間權重。協(xié)同過濾推薦算法冷啟動問題優(yōu)化方法:傳統(tǒng)的協(xié)同過濾算法存在冷啟動問題,推薦系統(tǒng)中的新用戶或新項目往往因為缺乏評分信息不能得到有效地推薦,降低了整個系統(tǒng)的推薦質量。針對這種情況,提出了基于蟻群算法和結合用戶或項目內容信息的優(yōu)化方法。首先對現(xiàn)有用戶或項目進行聚類,聚類后成為很多個具有相似屬性的聚類簇。新用戶或新項目沒有任何評分的情況下,利用蟻群算法中?和?兩個啟發(fā)式因子的特殊取值結合新用戶或新項目的內容信息找到對應的相似簇,根據(jù)所屬類別簇中的平均信息實現(xiàn)對新用戶或新項目的推薦。實驗結果表明:通過仿真結果的實驗比較,本文優(yōu)化算法的平均絕對偏差MAE都是最低的,優(yōu)化算法對解決協(xié)同過濾推薦算法的推薦質量起到一些作用。
【關鍵詞】：電子商務 協(xié)同過濾 矩陣填充 蟻群算法 聚類分析
【學位授予單位】：河北工程大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 研究背景及意義10-11
• 1.2 國內外研究現(xiàn)狀11-12
• 1.2.1 電子商務推薦系統(tǒng)11-12
• 1.2.2 協(xié)同過濾推薦系統(tǒng)12
• 1.3 論文結構安排12-13
• 1.4 本章小結13-15
• 第2章 電子商務中協(xié)同過濾推薦技術簡介15-30
• 2.1 電子商務推薦系統(tǒng)概念與構成15-17
• 2.1.1 電子商務推薦系統(tǒng)的組成15-16
• 2.1.2 電子商務推薦系統(tǒng)的研究內容16-17
• 2.2 電子商務推薦系統(tǒng)的幾種推薦技術17-20
• 2.2.1 基于內容的推薦技術17-18
• 2.2.2 基于規(guī)則的推薦技術18
• 2.2.3 基于知識的推薦技術18
• 2.2.4 基于協(xié)同過濾的推薦技術18-20
• 2.2.5 混合推薦技術20
• 2.3 電子商務中協(xié)同過濾技術的研究與分析20-27
• 2.3.1 傳統(tǒng)協(xié)同過濾算法綜述20-23
• 2.3.2 基于用戶(User-Based)的協(xié)同過濾推薦算法23-24
• 2.3.3 基于項目(Item-Based)的協(xié)同過濾算法24-25
• 2.3.4 協(xié)同過濾算法存在的問題及常用優(yōu)化方法25-27
• 2.4 典型個性化推薦系統(tǒng)27-29
• 2.4.1 淘寶推薦系統(tǒng)27-28
• 2.4.2 豆瓣的推薦引擎28-29
• 2.5 本章小結29-30
• 第3章 協(xié)同過濾推薦算法數(shù)據(jù)稀疏性問題的優(yōu)化研究30-35
• 3.1 基于項目屬性相似性的矩陣填充30-32
• 3.2 基于時間加權的協(xié)同過濾算法32-33
• 3.3 基于矩陣填充和加入時間權重函數(shù)的推薦33-34
• 3.4 改進算法的實現(xiàn)步驟34
• 3.5 本章小結34-35
• 第4章 協(xié)同過濾推薦算法冷啟動問題的優(yōu)化研究35-45
• 4.1 蟻群算法35-37
• 4.1.1 蟻群算法基本原理35-37
• 4.1.2 蟻群算法的特點37
• 4.2 基于蟻群算法的用戶聚類37-41
• 4.2.1 聚類綜述37-38
• 4.2.2 基于蟻群算法的用戶聚類實現(xiàn)38-41
• 4.3 基于蟻群算法的冷啟動新用戶問題的處理41-43
• 4.4 基于蟻群算法的冷啟動新項目問題處理43-44
• 4.5 本章小結44-45
• 第5章 實驗設計及結果分析45-50
• 5.1 數(shù)據(jù)集和實驗平臺45
• 5.2 評價標準45-46
• 5.3 實驗結果與分析46-49
• 5.3.1 不同稀疏程度下各種算法的推薦效果比較46
• 5.3.2 基于矩陣填充和加入時間權值前后的算法比較46-47
• 5.3.3 基于蟻群原理的優(yōu)化算法與其他算法的比較47-49
• 5.4 本章小結49-50
• 結論50-51
• 致謝51-52
• 參考文獻52-56
• 作者簡介56
• 攻讀碩士期間發(fā)表論文和參加科研情況說明56-57

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 龔安;高云;高洪福;;一種基于項目屬性評分的協(xié)同過濾推薦算法[J];計算機工程與科學;2015年12期

2 碩良勛;柴變芳;張新東;;基于改進最近鄰的協(xié)同過濾推薦算法[J];計算機工程與應用;2015年05期

3 文俊浩;舒珊;;一種改進相似性度量的協(xié)同過濾推薦算法[J];計算機科學;2014年05期

4 彭石;周志彬;王國軍;;基于評分矩陣預填充的協(xié)同過濾算法[J];計算機工程;2013年01期

5 吳月萍;王娜;馬良;;基于蟻群算法的協(xié)同過濾推薦系統(tǒng)的研究[J];計算機技術與發(fā)展;2011年10期

6 陳志敏;姜藝;;綜合項目評分和屬性的個性化推薦算法[J];微電子學與計算機;2011年09期

7 孟非;李靜宜;朱人杰;;蟻群算法中螞蟻更新方法之研究[J];計算機工程與應用;2011年25期

8 徐翔;王煦法;;協(xié)同過濾算法中的相似度優(yōu)化方法[J];計算機工程;2010年06期

9 吉蘊;;邏輯斯蒂模型及其應用[J];濰坊高等職業(yè)教育;2009年02期

10 陳梅蘭;王正友;;蟻群算法的試驗分析與參數(shù)選擇[J];礦山機械;2008年04期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 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10條

1 袁利;基于聚類的協(xié)同過濾個性化推薦算法研究[D];華中師范大學;2014年

2 劉晉佩;融合蟻群算法的用戶瀏覽路徑推薦系統(tǒng)研究[D];廈門大學;2014年

3 皮佳明;基于用戶興趣變化的協(xié)同過濾推薦算法研究[D];云南財經(jīng)大學;2014年

4 張鑫;優(yōu)化的蟻群算法及其在電力系統(tǒng)中的應用[D];吉林大學;2013年

5 黃喬;電子商務推薦系統(tǒng)中協(xié)同過濾算法的改進與研究[D];中北大學;2013年

6 劉亮;基于勢場蟻群算法的移動機器人路徑規(guī)劃研究[D];南昌大學;2013年

7 宋錦娟;一種改進的蟻群算法及其在最短路徑問題中的應用[D];中北大學;2013年

8 朱麗中;協(xié)同過濾系統(tǒng)的冷啟動問題研究[D];大連理工大學;2013年

9 程飛;基于用戶相似性的協(xié)同過濾推薦算法研究[D];北京交通大學;2012年

10 王桂芬;電子商務個性化推薦系統(tǒng)中協(xié)同過濾算法的研究與應用[D];南昌大學;2012年

  本文關鍵詞：電子商務協(xié)同過濾推薦算法的優(yōu)化研究，由筆耕文化傳播整理發(fā)布。

本文編號：272421