基于用戶行為軌跡的推薦算法.pdf

1、推薦系統(tǒng)在這些年發(fā)展迅速，但大多數(shù)使用的是購(gòu)買(mǎi)、評(píng)分等強(qiáng)關(guān)系，但基于用戶行為軌跡的這種弱關(guān)系的挖掘發(fā)展卻相對(duì)緩慢，特別是基于用戶瀏覽行為軌跡的研究，而這一部分的數(shù)據(jù)往往占據(jù)著所有信息量的80％以上，里面有十分巨大的可挖掘空間，如何才能有更加有效的利用這一部分?jǐn)?shù)據(jù)，這就成了一個(gè)亟待解決的問(wèn)題。
　　已有的研究表明，用戶的瀏覽軌跡與購(gòu)買(mǎi)行為有較強(qiáng)的關(guān)聯(lián)特性，并且通過(guò)對(duì)用戶的瀏覽路徑，瀏覽所花的時(shí)間，用戶拖動(dòng)網(wǎng)頁(yè)滾動(dòng)條的時(shí)間等信息的挖掘

2、，可以有效的從中發(fā)現(xiàn)用戶的興趣所在。本文的主要工作如下：
　　1.本文將用戶的購(gòu)買(mǎi)行為歸結(jié)為一種是用戶瀏覽行為累積之后的行為。根據(jù)以上的觀點(diǎn)，本文提出了一種類(lèi)似于蟻群算法中的信息素的概念——商品信息素，通過(guò)商品信息素，將用戶的瀏覽行為與購(gòu)買(mǎi)行為有機(jī)的結(jié)合在了一起，繼而針對(duì)用戶的瀏覽軌跡對(duì)用戶進(jìn)行有效的推薦。
　　2.本文通過(guò)實(shí)驗(yàn)，對(duì)比了不同參數(shù)值下算法的性能指標(biāo)，找到了本文算法的最佳參數(shù)值的確定方法；同時(shí)對(duì)比了本文算法與當(dāng)前