智能購(gòu)物中心情境下上下文感知推薦系統(tǒng)研究與開(kāi)發(fā).pdf

1、隨著射頻識(shí)別(Radio Frequency Identification)技術(shù)及其他感知技術(shù)的快速發(fā)展,構(gòu)建無(wú)所不在的物聯(lián)網(wǎng)正在變成現(xiàn)實(shí)。構(gòu)架于物聯(lián)網(wǎng)之上的智能應(yīng)用變得越來(lái)越多樣和復(fù)雜。這其中,購(gòu)物中心等零售商家為應(yīng)對(duì)電子商務(wù)對(duì)于傳統(tǒng)零售的沖擊,也開(kāi)始著手使用物聯(lián)網(wǎng)技術(shù)構(gòu)建智能購(gòu)物中心的相關(guān)應(yīng)用。購(gòu)物中心情境下的上下文感知推薦系統(tǒng)通過(guò)結(jié)合上下文信息來(lái)分析用戶反饋后,做出用戶喜好預(yù)測(cè),將可能受喜愛(ài)的信息或?qū)嶓w推薦給用戶。使用推薦系統(tǒng)一方

2、面幫助用戶快速找到商品,改善了用戶購(gòu)物體驗(yàn)同時(shí)提升了用戶忠誠(chéng)度;另一方面也提高了賣(mài)家的交叉銷(xiāo)售能力和成交轉(zhuǎn)化率。目前對(duì)于上下文感知推薦系統(tǒng)的研究還主要停留在實(shí)驗(yàn)室階段,應(yīng)用于實(shí)際場(chǎng)景的上下文感知推薦系統(tǒng)實(shí)踐還很少。
　　本文結(jié)合國(guó)內(nèi)外的研究,深入分析了上下文感知推薦系統(tǒng)在大型購(gòu)物中心應(yīng)用的實(shí)際情況與特點(diǎn),設(shè)計(jì)改進(jìn)了一套面向購(gòu)物中心的推薦算法和解決方案。本研究的主要工作分為三個(gè)方面:第一,針對(duì)智能購(gòu)物中心的應(yīng)用場(chǎng)景,抽取購(gòu)物記錄等隱

3、式用戶反饋,并將其映射為用戶喜好,在應(yīng)用傳統(tǒng)相似度算法的基礎(chǔ)之上,同時(shí)結(jié)合數(shù)據(jù)特征,規(guī)整用戶消費(fèi)次數(shù)等信息,消除和減弱熱門(mén)商戶與活躍用戶對(duì)于算法計(jì)算結(jié)果的影響,提高了推薦準(zhǔn)確率。第二,通過(guò)使用人口統(tǒng)計(jì)學(xué)特征與決策樹(shù)算法,系統(tǒng)能夠較好地處理歷史記錄較少或缺失的用戶喜好提取問(wèn)題。第三,在上下文信息融合到推薦生成的過(guò)程中,本文重點(diǎn)考慮時(shí)間上下文,將RFID數(shù)據(jù)抽象為區(qū)域停留行為進(jìn)行建模,融入相似度計(jì)算,使得用戶喜好與時(shí)間上下文關(guān)聯(lián)。本文最后在

4、實(shí)現(xiàn)上下文感知推薦系統(tǒng)時(shí)應(yīng)用了規(guī)則引擎,通過(guò)與喜好模型進(jìn)行匹配,系統(tǒng)將產(chǎn)生的新知識(shí)作為推薦結(jié)果推送給用戶。
　　本文首先闡述了課題背景,分析了當(dāng)前國(guó)內(nèi)外研究中的上下文感知推薦系統(tǒng),總結(jié)出上下文感知推薦體系按上下文融合過(guò)程可分為三類(lèi):上下文預(yù)過(guò)濾、上下文后過(guò)濾和上下文建模;按推薦算法體系又可分為:基于協(xié)同過(guò)濾的推薦、基于內(nèi)容的推薦和混合推薦。接下來(lái),結(jié)合購(gòu)物中心應(yīng)用的需求,提出了一套通用的智能購(gòu)物中心情境下上下文感知推薦系統(tǒng)體系,對(duì)