發(fā)布時(shí)間：2022-08-07 14:56

　　電子商務(wù)在人們?nèi)粘Ｉ钪邪缪葜絹?lái)越重要的角色,人們?cè)絹?lái)越習(xí)慣于網(wǎng)上購(gòu)物,研究者獲取例如在線評(píng)論等用戶的主觀觀點(diǎn)數(shù)據(jù)也變得越發(fā)的容易。但由于交易量的爆發(fā)式增長(zhǎng),留存海量信息的同時(shí)也產(chǎn)生了信息過(guò)載。面對(duì)海量數(shù)據(jù),建立一個(gè)高效有用的過(guò)濾機(jī)制去發(fā)現(xiàn)有用的信息就顯得尤為重要,于是人們?cè)絹?lái)越重視對(duì)于推薦系統(tǒng)的研究。推薦系統(tǒng)是利用用戶的歷史數(shù)據(jù)向其提供商品信息和建議,輔助用戶購(gòu)買所需產(chǎn)品的系統(tǒng)。個(gè)性化推薦是根據(jù)用戶的某種特點(diǎn)和行為,定制化的為用戶推薦感興趣的信息和商品。作為推薦系統(tǒng)的經(jīng)典方法,協(xié)同過(guò)濾分為基于用戶（User CF）和基于物品（Item CF）兩大類。早期的協(xié)同過(guò)濾通過(guò)計(jì)算用戶評(píng)分相似度進(jìn)行推薦,并沒(méi)有考慮到用戶或商品的特征的細(xì)粒度分析,其只能包含用戶對(duì)于產(chǎn)品的整體態(tài)度,而不能體現(xiàn)用戶的個(gè)性化因素,亦不能包含產(chǎn)品在某方面的獨(dú)特性。而商品評(píng)論中往往包含用戶對(duì)于產(chǎn)品的偏好以及對(duì)于商品某方面帶有情感極性的評(píng)價(jià),也會(huì)更大程度上影響用戶的購(gòu)買行為,所以使用基于內(nèi)容的觀點(diǎn)挖掘的方法能夠比基于評(píng)分的方法有更好的推薦精度。雖然目前基于物品的協(xié)同過(guò)濾算法已經(jīng)轉(zhuǎn)向從產(chǎn)品特征的角度進(jìn)行研究,但只是單純的研... 

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖0-1本文研究框架圖

電子商務(wù)推薦系統(tǒng)經(jīng)典體系結(jié)構(gòu)

UserCF中用戶-物品倒排表示意圖


本文編號(hào)：3670526