基于特征的個性化電子商務網(wǎng)站推薦系統(tǒng)的研究與實現(xiàn).pdf

1、隨著Internet的普及和應用，電子商務以其成本低廉、便捷、快速、不受時空限制等優(yōu)點向全世界流行。電子商務為用戶提供越來越多選擇的同時，其結(jié)構(gòu)也變得更加復雜。一方面，用戶面對大量的商品，要找到自己需要的商品變得越來越困難；另一方面，商家也在大量的電子數(shù)據(jù)中也失去了與消費者的聯(lián)系。個性化的電子商務推薦系統(tǒng)根據(jù)用戶行為特征為用戶提供一對一的服務，幫助用戶找到所需的商品，從而順利完成購買過程。商家通過推薦系統(tǒng)能提高電子商務系統(tǒng)銷售，保持與客

2、戶的聯(lián)系，提高用戶忠誠度和滿意度。 電子商務推薦系統(tǒng)在各大零售網(wǎng)站中都得到了廣泛的應用，但同時也面臨一系列的挑戰(zhàn)。針對當前電子商務推薦系統(tǒng)面臨的問題，本文對電子商務推薦算法以及電子商務推薦系統(tǒng)結(jié)構(gòu)進行了有益的研究和實現(xiàn)。主要的成果如下： 1)提出基于特征的關聯(lián)規(guī)則推薦模型(FARM)。電子商務系統(tǒng)事務數(shù)據(jù)庫急速膨脹，導致關聯(lián)規(guī)則頻繁項集的挖掘速度下降，進而影響整個推薦系統(tǒng)的實時性。同時，大量冗余、錯誤規(guī)則的產(chǎn)生導致推薦精

3、度下降。本文提出一種基于特征的關聯(lián)規(guī)則推薦模型，商品以特征量表示，減少計算量；基于用戶屬性挖掘規(guī)則，減少錯誤規(guī)則的產(chǎn)生，能有效地提高系統(tǒng)實時性和推薦質(zhì)量。 2)提出基于特征的協(xié)同過濾推薦模型(FCFM)。電子商務系統(tǒng)的快速發(fā)展也造成用戶評分數(shù)據(jù)極度稀疏，導致傳統(tǒng)的協(xié)同過濾推薦方法無法提供準確的推薦。本文提出一種基于特征的協(xié)同過濾推薦模型，將新商品以特征量表示，計算商品間的相似性，從而預測評分。實驗表明，該方法能有效地解決數(shù)據(jù)稀疏