基于樹型網(wǎng)絡(luò)的多源用戶興趣數(shù)據(jù)融合方法研究.pdf

1、隨著電子商務(wù)的發(fā)展，網(wǎng)上購買成為了時下一種主流的購物方式，消費(fèi)者在面對海量信息時，需要付出大量時間來找尋自身感興趣的商品。在此情況下，個性化推薦系統(tǒng)應(yīng)運(yùn)而生，被認(rèn)為是一種有效且符合消費(fèi)者商品需求的營銷方法，它能解決電子商務(wù)網(wǎng)站中消費(fèi)者購物選擇問題，是目前網(wǎng)絡(luò)信息服務(wù)領(lǐng)域的熱點(diǎn)之一。個性化服務(wù)系統(tǒng)通過分析使用對象的行為信息，來分析消費(fèi)者個人的興趣差異習(xí)慣，從而提供“一對一”精準(zhǔn)營銷服務(wù)。要實現(xiàn)個性化推薦系統(tǒng)，必須建立用戶興趣模型，用戶建模

2、在個性化推薦中處于核心地位，建模的質(zhì)量直接影響到推薦系統(tǒng)的質(zhì)量。對此，通過捕捉多源用戶興趣數(shù)據(jù)并進(jìn)行數(shù)據(jù)融合，是提高用戶興趣建模質(zhì)量的一條重要途徑。本文研究的目的在于針對B2C網(wǎng)站環(huán)境下，傳統(tǒng)協(xié)同過濾推薦精度不夠高的問題，提出和實現(xiàn)基于用戶樹型網(wǎng)絡(luò)的多源用戶興趣數(shù)據(jù)融合方法，以改善和優(yōu)化原有方法的推薦質(zhì)量。全文主要研究內(nèi)容如下:
　　首先，本文以建模流程為研究視角，從用戶信息收集、信息表示、技術(shù)處理、更新方式四個方面對個性化推薦系

3、統(tǒng)中的用戶興趣模型建立的現(xiàn)有研究成果進(jìn)行比較分析，將信息收集歸納為信息來源、信息存儲兩個方面，用以獲取建模的信息來源;將信息表示歸納為語義表示、量化表示兩類方法，用以表征具體的用戶興趣偏好;將數(shù)據(jù)處理歸納為兩類技術(shù)，即特征詞權(quán)重、聚類技術(shù)，用以加工用戶信息而生成用戶興趣模型;將數(shù)據(jù)更新歸納為時間窗口法、遺忘算法、混合模型等三類方法，用以體現(xiàn)模型中的用戶興趣漂移。
　　其次，從用戶購物流程角度出發(fā)，總結(jié)出能最大程度反映消費(fèi)者興趣偏好

4、的4個因子:商品點(diǎn)擊行為、商品收藏行為、放入購物車行為、下單行為。然后具體量化每種指標(biāo)因子的計算，設(shè)置相應(yīng)規(guī)則實現(xiàn)靜態(tài)用戶興趣權(quán)重。考慮到用戶興趣變化，設(shè)計了隨時間變化的興趣值，彌補(bǔ)了靜態(tài)系統(tǒng)推薦的不足。針對每個個體，進(jìn)一步把興趣區(qū)分為長期、短期興趣，同時給出不同的指數(shù)衰減方法。通過上述處理，實現(xiàn)了用戶多源興趣數(shù)據(jù)的有效融合，可以更好地提高推薦精度。
　　最后，實驗基于阿里巴巴集團(tuán)旗下天貓商城提供的真實用戶數(shù)據(jù)集，通過實施數(shù)據(jù)融合