【摘要】：互聯(lián)網(wǎng)的軟件的發(fā)展和硬件性能的提升，為電子商務(wù)發(fā)展提供了很好的支撐。與此同時(shí)電子商務(wù)網(wǎng)站用戶面對(duì)的信息越來越多，海量的商品信息使得用戶獲取滿足自己需求的商品和信息難度增大，這就使得用戶面臨著嚴(yán)重的“信息超載”和“選擇障礙”問題。搜索引擎的出現(xiàn)在一定程度上能夠解決用戶面臨的信息超載問題，但是通過搜索引擎獲取信息這一過程是大眾化的，這種大眾化信息無法滿足用戶個(gè)性化的需求，用戶需要電子商務(wù)網(wǎng)站能夠根據(jù)他們的喜好向其給出其可能感興趣的商品的推薦。 推薦算法應(yīng)運(yùn)而生，其中運(yùn)用最為廣泛的是協(xié)同過濾推薦算法。協(xié)同過濾推薦算法主要是根據(jù)用戶對(duì)商品的評(píng)分信息給出推薦，因此忽略了比較重要的UGC（用戶產(chǎn)生內(nèi)容），如：標(biāo)簽、評(píng)論等重要信息，然而已經(jīng)存在的相關(guān)研究很少有同時(shí)從標(biāo)簽語義和社區(qū)的角度來分析問題。本研究旨在綜合利用評(píng)分和標(biāo)簽兩方面的信息來給用戶產(chǎn)生個(gè)性化推薦，同時(shí)考慮到現(xiàn)實(shí)生活中用戶的社區(qū)性，分析和挖掘用戶的社會(huì)興趣，利用評(píng)分信息和用戶評(píng)分類型信息來計(jì)算用戶的相似度，深入分析標(biāo)簽信息來挖掘用戶的社會(huì)興趣，根據(jù)用戶的社會(huì)興趣將用戶進(jìn)行聚類，再根據(jù)基于社會(huì)興趣的聚類結(jié)果，結(jié)合本文提出的推薦算法提出了基于社會(huì)興趣聚類的協(xié)同過濾算法。從理論上，該算法能夠一定程度的提高推薦的準(zhǔn)確度。 本文使用Movielens電影數(shù)據(jù)集對(duì)本文推薦算法的推薦的質(zhì)量和傳統(tǒng)的推薦算法進(jìn)行比較，選取MAE（平均絕對(duì)偏差）和RMSE（均方根偏差）作為推薦質(zhì)量的評(píng)價(jià)標(biāo)準(zhǔn)，對(duì)本文提出的算法進(jìn)行試驗(yàn)，，得出試驗(yàn)結(jié)果，并對(duì)得出的試驗(yàn)結(jié)果進(jìn)行深入分析，進(jìn)而得到本文的最終研究成果，同時(shí)根據(jù)研究成果和模型的存在的問題做出總結(jié)。
文內(nèi)圖片：
圖片說明： 哈爾濱工業(yè)大學(xué)管理學(xué)碩士學(xué)位論文為了更好的比較相似度混合系數(shù)的不同對(duì)推薦質(zhì)量的影響，選擇在最優(yōu)的用戶鄰居數(shù) 30 時(shí)繪制矩形圖 4-2 來進(jìn)行進(jìn)一步比較。
文內(nèi)圖片：
圖片說明：用戶鄰居數(shù)為30時(shí)不同混合系數(shù)MAE值結(jié)果圖
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 趙亮,胡乃靜,張守志;個(gè)性化推薦算法設(shè)計(jì)[J];計(jì)算機(jī)研究與發(fā)展;2002年08期

2 張鋒;常會(huì)友;;使用BP神經(jīng)網(wǎng)絡(luò)緩解協(xié)同過濾推薦算法的稀疏性問題[J];計(jì)算機(jī)研究與發(fā)展;2006年04期

3 張光衛(wèi);李德毅;李鵬;康建初;陳桂生;;基于云模型的協(xié)同過濾推薦算法[J];軟件學(xué)報(bào);2007年10期

4 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報(bào);2009年02期

5 余金香;;Folksonomy及其國外研究進(jìn)展[J];圖書情報(bào)工作;2007年07期

6 鄧愛林,左子葉,朱揚(yáng)勇;基于項(xiàng)目聚類的協(xié)同過濾推薦算法[J];小型微型計(jì)算機(jī)系統(tǒng);2004年09期

本文編號(hào)：2515123