本文關(guān)鍵詞：基于用戶參考價格傾向度的協(xié)同過濾推薦算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)上“信息超載”問題的日益凸顯,傳統(tǒng)搜索引擎對于用戶個性化的信息獲取需求越來越難以滿足。目前,針對這一問題,推薦系統(tǒng)正越來越廣泛的應(yīng)用在很多領(lǐng)域,協(xié)同過濾推薦是目前廣泛成功應(yīng)用的一種推薦策略。當(dāng)前協(xié)同過濾推薦考察的基本數(shù)據(jù)主要是用戶對物品的評分,在基于評分的基礎(chǔ)上尋求用戶或物品相似性。然而,現(xiàn)實中人們購物不僅僅取決于商品的評價,更多的還要根據(jù)消費者自身條件及生活習(xí)慣等因素,一些用戶傾向于購買較昂貴的商品,而另一些用戶傾向于購買較廉價的商品,每個用戶都有自身對商品的參考價格,這個參考價格對用戶的最終購買決策往往有著較大影響。一般而言,參考價格傾向度水平較為相似的用戶在最終選擇購買物品時對商品的價格傾向往往也較為相似,因此在推薦決策的過程中將商品價格因素考慮進(jìn)去很有必要,在向用戶推薦時將最符合用戶消費心理價位的商品推薦給用戶,可以一定程度上提高推薦的準(zhǔn)確度。目前,鮮有從用戶對物品的參考價格傾向度這個角度對推薦策略進(jìn)行研究的。本文結(jié)合電商領(lǐng)域特性,針對上述問題,提出了基于用戶參考價格傾向度的協(xié)同過濾推薦算法的研究。文中首先介紹了本課題的研究背景、明確了課題的研究意義。并查閱相關(guān)文獻(xiàn),介紹了電商推薦的國內(nèi)外研究現(xiàn)狀;其次,詳細(xì)介紹了課題研究所涉及到的相關(guān)技術(shù)和理論,具體包括消費者價格心理、消費者參考價格、商品價格等級。在此基礎(chǔ)上本文提出了一種基于用戶參考價格傾向度的協(xié)同過濾推薦思路。該思路根據(jù)用戶的歷史購買記錄結(jié)合商品價格區(qū)間,形成用戶對物品的參考價格傾向度矩陣,從用戶參考價格傾向度的角度尋求用戶之間的相似性,并根據(jù)物品價格等級與用戶對物品的價格傾向進(jìn)行加權(quán)評分預(yù)測。同時,論文還提出了綜合加權(quán)基于用戶參考價格傾向度和傳統(tǒng)的基于用戶評分相似性的混合推薦算法。經(jīng)過本課題的研究表明,基于用戶參考價格傾向度的協(xié)同過濾推薦算法的研究與改進(jìn)能夠更準(zhǔn)確的反應(yīng)消費者的消費價值趨向,切實的提高了預(yù)測推薦精度,這對于電商推薦系統(tǒng)的商品推薦機制具有重要意義的。
【關(guān)鍵詞】：電商 參考價格 協(xié)同過濾 推薦
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.3
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 課題研究背景及意義10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 國外研究現(xiàn)狀11-12
• 1.2.2 國內(nèi)研究現(xiàn)狀12-13
• 1.3 主要研究工作13-14
• 1.4 論文的組織結(jié)構(gòu)14-15
• 第2章 推薦算法研究15-27
• 2.1 推薦算法概述15-16
• 2.2 經(jīng)典的推薦算法16-22
• 2.2.1 基于內(nèi)容的推薦算法16-17
• 2.2.2 協(xié)同過濾算法17-21
• 2.2.3 混合推薦算法21-22
• 2.3 推薦算法的研究框架與性能指標(biāo)22-25
• 2.3.1 推薦算法研究框架22-23
• 2.3.2 推薦性能評估指標(biāo)23-25
• 2.4 當(dāng)前推薦算法存在的問題25-26
• 2.5 本章小結(jié)26-27
• 第3章 用戶參考價格與用戶參考價格傾向度27-36
• 3.1 消費者價格心理27-29
• 3.1.1 影響消費者價格心理的因素27-28
• 3.1.2 價格心理特征及購買偏好28-29
• 3.2 消費者參考價格及模型29-33
• 3.2.1 影響參考價格的因素30-32
• 3.2.2 參考價格模型32-33
• 3.3 用戶參考價格傾向度33-34
• 3.3.1 商品的價格等級33-34
• 3.3.2 用戶參考價格傾向度34
• 3.4 本章小結(jié)34-36
• 第4章 基于用戶參考價格傾向度的協(xié)同過濾推薦算法36-53
• 4.1 算法改進(jìn)出發(fā)點及總體思路36-38
• 4.1.1 算法改進(jìn)出發(fā)點36-37
• 4.1.2 算法改進(jìn)總體思路37-38
• 4.2 基于用戶參考價格傾向度的協(xié)同過濾推薦算法改進(jìn)38-45
• 4.2.1 商品價格指數(shù)衡量38-39
• 4.2.2 用戶參考價格傾向度39-40
• 4.2.3 用戶參考價格傾向度矩陣40-42
• 4.2.4 計算用戶相似性42-43
• 4.2.5 推薦預(yù)測43-44
• 4.2.6 推薦流程44-45
• 4.3 基于加權(quán)的推薦算法改進(jìn)45-47
• 4.3.1 具體的進(jìn)一步加權(quán)改進(jìn)45-46
• 4.3.2 推薦流程46-47
• 4.4 算法實現(xiàn)及展示47-52
• 4.4.1 算法推薦展示47-49
• 4.4.2 算法實現(xiàn)偽代碼49-52
• 4.5 本章小結(jié)52-53
• 第5章 實驗與分析53-59
• 5.1 電商數(shù)據(jù)預(yù)處理53
• 5.2 實驗環(huán)境53
• 5.3 檢驗指標(biāo)53-54
• 5.4 實驗結(jié)果與分析54-58
• 5.4.1 數(shù)據(jù)填充實驗對比54-56
• 5.4.2 參數(shù)調(diào)優(yōu)實驗對比56-58
• 5.5 本章小結(jié)58-59
• 第6章 總結(jié)和展望59-61
• 6.1 論文總結(jié)59
• 6.2 未來展望59-61
• 參考文獻(xiàn)61-64
• 攻讀碩士學(xué)位期間取得的研究成果64-65
• 致謝65-66
• 附件66

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 劉建國;周濤;郭強;汪秉宏;;個性化推薦系統(tǒng)評價方法綜述[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2009年03期

2 李尚;;參考價格理論的文獻(xiàn)綜述[J];經(jīng)營管理者;2015年01期

3 秦光潔;張穎;;基于綜合興趣度的協(xié)同過濾推薦算法[J];計算機工程;2009年17期

4 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(自然科學(xué)版);2011年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 常雪;基于參考價格的消費者價格評價研究[D];山東大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 趙麗Z，

本文編號：351114