考慮時間動態(tài)性的協(xié)同過濾算法及其應(yīng)用研究.pdf

1、隨著電子商務(wù)的崛起，越來越多的人選擇使用電商去購物，同時對電商的購物體驗有個更高的要求。個性化推薦系統(tǒng)就是為了增加客戶的購物體驗而生的，在現(xiàn)實中應(yīng)用廣泛。個性化推薦算法中，應(yīng)用最成功的是協(xié)同過濾推薦算法。
　　本文分析了現(xiàn)有協(xié)同過濾算法存在的不足，以及關(guān)于時間動態(tài)性的研究現(xiàn)狀，指出了一個重要的問題——商品是有先后購買順序的。傳統(tǒng)的協(xié)同過濾算法只考慮了用戶或商品之間的相關(guān)程度，并沒有根據(jù)商品的序列模式進(jìn)行挖掘并推薦。本文結(jié)合現(xiàn)有算法

2、的優(yōu)點，加入了時間動態(tài)性的特點，提出了一個考慮時間動態(tài)性的協(xié)同過濾推薦綜合性改進(jìn)算法，并通過真實的電子商務(wù)銷售數(shù)據(jù)進(jìn)行實驗測試，驗證了其推薦效果更佳。
　　本文的主要內(nèi)容包括以下幾點：
　?。?）通過對現(xiàn)有文獻(xiàn)的綜述研究，找到目前學(xué)者們的研究重點和研究方向，總結(jié)現(xiàn)有研究的特點，分析傳統(tǒng)協(xié)同過濾推薦算法的不足之處，總結(jié)出現(xiàn)有算法大多只在某一兩個方面進(jìn)行改進(jìn)，而加入時間動態(tài)性的研究也只停留在用戶興趣的改變上，從而引出了本文要研究

3、的方向和重點。
　?。?）結(jié)合現(xiàn)有研究中的優(yōu)秀改進(jìn)方向和改進(jìn)方法，加入商品序列模式的篩選和去除熱門效應(yīng)的影響，提出一個綜合性的協(xié)同過濾推薦算法解決方案。其核心的思路可以總結(jié)為首先對原始數(shù)據(jù)集進(jìn)行預(yù)處理，包括去噪音和聚類等；然后用一個新的相似度函數(shù)進(jìn)行計算最近鄰居，這個相似度計算函數(shù)考慮了熱門系數(shù)，評分系數(shù)和時間系數(shù)；最后使用GSP算法挖掘商品的序列模式，對推薦結(jié)果集進(jìn)行再次篩選，解決了用戶買鼠標(biāo)后給其推薦電腦的問題。
　?。?/p>