復雜情境下的電商用戶個性化推薦策略研究及應用.pdf

1、浙汀工商大學博士學位論文復雜情境下的電商用，’，個性化推薦策略研究及應用復雜情境下的電商用戶個性化推薦策略研究及應用摘要電子商務各類新技術的出現(xiàn)和廣泛應用以及用戶海量數(shù)據(jù)的積累，為精準營銷、動態(tài)供應鏈優(yōu)化等提供了前所未有的發(fā)展空間。然而巨量信息的充斥，也引發(fā)了不少問題諸如“資源過載“和“信息迷向”等且愈來愈嚴重。對于個人用戶而言，如何快速、準確地從海量的信息中獲取有用的內容，成為其迫切希望得到解決的問題；對于企業(yè)而言，如何在日趨激烈的競

2、爭環(huán)境下快速準確的發(fā)現(xiàn)用戶的潛在需求，提升信息檢索與推送的智能水平，提高個性化服務質量，成為其在電商活動中需要完善的重要服務內容之一。個性化推薦技術的出現(xiàn)在一定程度上解決了信息多樣化與用戶需求專一化之問的矛盾。幾乎所有的電子商務平臺如Amazon、淘寶、京東等均不同程度的使用了各種推薦系統(tǒng)。但隨著電子商務應用的不斷深入以及用戶情境的復雜化，如何在復雜情境下滿足用戶的個性化需求已經成為個性化推薦服務研究的新趨勢。在基于情境的個性化推薦策略

3、研究中，用戶的復雜情境通常包括本體情境、上下文情境和社會關系情境。不同于以往的研究視角，本文采用縱向與橫向結合的方式。以往的研究都聚焦于模型構建的三元研究，即基于“基于情境的個性化推薦知識建模——基于情境的用戶偏好分析——基于情境的推薦方法”的縱向結構。研究成果可能只滿足于部分企業(yè)的要求。本文在研究過程中將電商用戶和企業(yè)結合考慮，對企業(yè)進行粗粒度劃分，設計復雜情境下滿足用戶個性化需求的浙江工商大學博士學位論文復雜情境卜I的電商用戶個性化

4、推薦策略研究及應用影響。本文研究表明，在計算用戶相似性之前對用戶進行基于本體情境的聚類，在計算相似性時加入用戶信任關系因素影響會對推薦精確性的提高和結果多樣性的增加產生正向影響。同時該模型也能在一定程度上緩解數(shù)據(jù)稀疏性和冷啟動問題。對于那些能夠獲取用戶本體情境、部分關系情境信息的企業(yè)而言，只增加少量維度情境信息，采用這種改進型的協(xié)同過濾推薦方法，對推薦結果質量的提升有較大的幫助。3)提出復雜情境下融入社會網(wǎng)絡情境的推薦方法。社交網(wǎng)絡與電

5、子商務的融合使得用戶信息更加豐富，基于此產生的個性化推薦結果也更加精準。本文設計了一種基于社會網(wǎng)絡情境的個性化推薦模型，將用戶本體特征、個人偏好和用戶之間的社會關系影響結合在一起，采用矩陣分解的方法生成推薦結果。本文研究表明，融入社會網(wǎng)絡情境可以較大程度的提高推薦結果的精確性、增加推薦結果的多樣性。同時矩陣分解方法能夠很好的解決數(shù)據(jù)稀疏性和冷啟動問題。該個性化推薦方法能夠適用于各種推薦情形，應用領域廣泛，特別對于掌握用戶豐富維度情境信息