基于群體動(dòng)態(tài)興趣度的個(gè)性化推薦方法研究.pdf

1、隨著電子商務(wù)的蓬勃發(fā)展，近年來(lái)在整個(gè)社會(huì)物品零售額中，線上消費(fèi)的占比越來(lái)越高。與線下消費(fèi)相比，電商和廣告等在線平臺(tái)能更方便、更準(zhǔn)確地記錄用戶的瀏覽路徑和購(gòu)買歷史，從而收集海量的用戶行為日志。同時(shí)用戶很難在海量的商品信息快速找到喜歡的，如何利用這些數(shù)據(jù)，提高電商運(yùn)營(yíng)和用戶體驗(yàn)，這是被越來(lái)越多的工業(yè)界和學(xué)術(shù)界所關(guān)注的問(wèn)題。
　　傳統(tǒng)基于用戶商品評(píng)分矩陣的推薦方法并未反映用戶對(duì)物品的興趣隨時(shí)間變化的過(guò)程，推薦的物品列表偏離了用戶的當(dāng)前真

2、實(shí)喜好。在用戶沒(méi)有明確的購(gòu)買意圖去瀏覽或新用戶商品歷史交互數(shù)據(jù)稀疏下，基于用戶或商品的相似性方法缺乏較高的準(zhǔn)確性。基于群體動(dòng)態(tài)興趣度的個(gè)性化推薦算法針對(duì)以上問(wèn)題，加入時(shí)序特征推斷用戶對(duì)物品的動(dòng)態(tài)興趣并結(jié)合用戶自身興趣度和對(duì)大眾熱點(diǎn)的關(guān)注趨勢(shì)較好的適應(yīng)推薦冷啟動(dòng)?；谌后w動(dòng)態(tài)興趣度的個(gè)性化推薦算法通過(guò)貝葉斯規(guī)則預(yù)測(cè)用戶興趣，并度量出時(shí)間因素對(duì)用戶興趣度變化的影響程度從而預(yù)測(cè)用戶興趣度的遷移，進(jìn)而利用加權(quán)網(wǎng)絡(luò)推斷預(yù)測(cè)用戶潛在興趣度。在此基礎(chǔ)

3、上通過(guò)聚合海量個(gè)體用戶的動(dòng)態(tài)興趣從而快速有效的獲得當(dāng)前群體的共性化推薦列表。最后依賴時(shí)間因素和用戶個(gè)體行為數(shù)據(jù)的稀疏程度將兩種推薦模型有效的融合，從而為用戶提供個(gè)性化推薦服務(wù)。
　　通過(guò)使用在阿里巴巴天貓1200萬(wàn)真實(shí)用戶4個(gè)月與3萬(wàn)品牌的交互行為日志的數(shù)據(jù)集，實(shí)驗(yàn)結(jié)果表明基于群體動(dòng)態(tài)興趣度的個(gè)性化推薦可以在利用用戶動(dòng)態(tài)興趣度變化下有效的預(yù)測(cè)用戶當(dāng)前感興趣的物品，實(shí)現(xiàn)對(duì)用戶個(gè)性化推薦，并提出了滑動(dòng)窗口從而提升了推薦的精確度以及降低