基于用戶購買記錄挖掘的改進協(xié)同過濾推薦研究.pdf

1、現(xiàn)今的電子商務網站產生大量的、無序的數(shù)據(jù)信息，包括用戶信息、產品信息、訂單信息、web瀏覽記錄、購買記錄和評分記錄等。然而電子商務推薦系統(tǒng)是網站管理員根據(jù)以往的經驗進行推薦，導致推薦的頁面相似、無創(chuàng)新之處，網站的用戶無法在海量的數(shù)據(jù)中快速找到自己需要的商品，因此基于數(shù)據(jù)挖掘的協(xié)同過濾推薦系統(tǒng)應運而生。
　　本文引入購買記錄挖掘、改進的相似性計算方法-絕對值倒數(shù)法和購買商品之間的關聯(lián)規(guī)則等概念，對傳統(tǒng)的協(xié)同過濾算法進行改進，提高算法

2、的精確性。從而構建采用購買記錄挖掘的改進推薦系統(tǒng)，提高推薦的質量。具體的研究工作包括:
　　(1)在傳統(tǒng)算法的基礎上，引入購買記錄挖掘、絕對值倒數(shù)法和商品關聯(lián)規(guī)則等對算法進行改進?？紤]到數(shù)據(jù)稀疏性，使用購買記錄進行挖掘。購買記錄多于評分記錄，因此使用購買記錄進行挖掘緩解了數(shù)據(jù)稀疏性，且購買記錄更加真實可靠，提高算法的精確性。與Web瀏覽記錄挖掘相比，購買記錄挖掘的用戶偏好更加客觀真實，推薦結果更加精確。使用絕對值倒數(shù)法對相似性計算

3、方法進行改進，避免傳統(tǒng)方法的缺陷和不足，提高算法的精確性。結合購買商品的關聯(lián)規(guī)則挖掘，尋找購買商品之間的關聯(lián)規(guī)則，確定與目標用戶已購買商品存在關聯(lián)規(guī)則的最近鄰鄰居，進行推薦，提高算法的精確性。并設計改進算法的具體實現(xiàn)過程和詳細實現(xiàn)步驟。
　　(2)將絕對值倒數(shù)法與修正的余弦相似性、Pearson相關系數(shù)等傳統(tǒng)方法進行比較，證明絕對值倒數(shù)法的精確性較高。在購買記錄挖掘的基礎上，將改進算法與傳統(tǒng)算法進行比較，使用平均絕對值誤差、平均平