電子商務(wù)個(gè)性化推薦系統(tǒng)中關(guān)鍵算法的研究.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展，電子商務(wù)也越來(lái)越普及和流行起來(lái)。隨著信息量的爆炸式增長(zhǎng)，在電子商務(wù)領(lǐng)域，信息超載問(wèn)題增加了用戶購(gòu)買所需商品的難度，用戶在找到自己需要的商品之前必須瀏覽大量的無(wú)關(guān)信息。為了將真正滿足用戶需求的商品推薦到用戶面前，電子商務(wù)個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生。
　　協(xié)同過(guò)濾算法是目前應(yīng)用最廣泛的電子商務(wù)個(gè)性化推薦算法，但它在實(shí)際應(yīng)用中存在評(píng)分?jǐn)?shù)據(jù)稀疏、冷啟動(dòng)和算法可擴(kuò)展性等問(wèn)題。為了解決評(píng)分?jǐn)?shù)據(jù)稀疏和冷啟動(dòng)問(wèn)題，本文主要做了以

2、下幾方面的工作:
　　1.針對(duì)用戶評(píng)分?jǐn)?shù)據(jù)稀疏問(wèn)題提出了改進(jìn)的協(xié)同過(guò)濾推薦算法。算法首先計(jì)算出項(xiàng)目間的相似度，然后計(jì)算出未評(píng)分項(xiàng)目的預(yù)測(cè)評(píng)分來(lái)填充用戶評(píng)分矩陣，使得評(píng)分矩陣不再稀疏。在計(jì)算項(xiàng)目間的相似度時(shí)，本文提出了改進(jìn)的項(xiàng)目相似度度量方法，綜合考慮了項(xiàng)目間評(píng)分的相似性和項(xiàng)目間固有特征屬性的相似性。并引入了李德毅院士提出的定性定量知識(shí)轉(zhuǎn)換模型——云模型來(lái)計(jì)算項(xiàng)目間的評(píng)分相似度。
　　2.針對(duì)冷啟動(dòng)問(wèn)題提出了基于用戶特征聚類的

3、推薦算法。借鑒了Kruskal最小生成樹算法對(duì)K-Means聚類算法進(jìn)行了改進(jìn)，將改進(jìn)的聚類算法應(yīng)用在用戶特征聚類中，將有相同特征的用戶聚在一個(gè)簇中并做出推薦。
　　3.采用上述兩個(gè)推薦算法為子算法提出了組合推薦算法，融合了兩個(gè)算法的優(yōu)點(diǎn)。并使用用戶的評(píng)分行為對(duì)算法進(jìn)行反饋，自動(dòng)調(diào)整算法，使算法達(dá)到自適應(yīng)的目的。
　　最后，本文編程實(shí)現(xiàn)了上述算法并分別進(jìn)行了對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)表明本文提出的推薦算法相比于傳統(tǒng)的推薦算法有更好的推薦