電子商務協(xié)同過濾推薦質(zhì)量影響因素及其改進機制研究.pdf

1、協(xié)同過濾推薦技術是電子商務推薦系統(tǒng)中最為成熟也是目前最為成功的一種技術，但其受稀疏性、冷啟動、擴展性等問題困擾，阻礙了其推薦質(zhì)量與推薦效率的進一步發(fā)展。本文從電子商務協(xié)同過濾推薦質(zhì)量與推薦效率目前遇到的問題出發(fā)，從保證基礎評價數(shù)據(jù)的完整性，推薦方法的準確性，計算復雜度的適宜性三個角度去分析電子商務協(xié)同過濾推薦系統(tǒng)，指出協(xié)同過濾推薦系統(tǒng)瓶頸的產(chǎn)生原因，并提出了改進機制。
　　目前主流的推薦系統(tǒng)多依據(jù)用戶對項目的直接評分或評價發(fā)現(xiàn)用戶

2、的購物偏好，在此基礎上應用某種推薦算法向用戶實施推薦。因部分用戶不愿意對項目進行評價從而造成了評價數(shù)據(jù)的缺失，導致了協(xié)同過濾推薦的稀疏性問題。針對該問題，本文提出基于用戶的稀疏評價數(shù)據(jù)應用SOM神經(jīng)網(wǎng)絡對具有相似購物偏好的用戶進行聚類，依據(jù)同一聚類簇內(nèi)用戶購物偏好的相似性，進一步應用RBFN（徑向基函數(shù)神經(jīng)網(wǎng)絡）進行平滑預測處理以獲得用戶對未評價項目評價值。神經(jīng)網(wǎng)絡聚類與預測有效的消除了基礎評價數(shù)據(jù)的稀疏性問題，降低了基礎評價數(shù)據(jù)的不完

3、整性給推薦系統(tǒng)帶來的影響。
　　協(xié)同過濾受冷啟動問題影響，對新注冊用戶和新上架項目無能為力，針對新用戶注冊問題，本文提出在基于Vague集理論生成的“產(chǎn)品分類樹”空間上實施關聯(lián)規(guī)則挖掘，并依據(jù)關聯(lián)規(guī)則實施推薦。關聯(lián)規(guī)則的挖掘與推薦有效的解決了冷啟動問題，作為協(xié)同過濾算法的必要補充保證了推薦方法的準確性。同時本文在傳統(tǒng)基于用戶的協(xié)同過濾推薦的基礎上提出分別對最相似用戶與最不相似用戶分別聚類，并以兩類用戶聚類簇偏好產(chǎn)品的差值作為最終推

4、薦以提高推薦精度。
　　針對系統(tǒng)計算復雜導致的擴展性問題，本文提出復雜度的降低應從數(shù)據(jù)維度降低和計算方法優(yōu)化兩個角度綜合考慮。提出一種基于Vague集的“產(chǎn)品分類”方法，對產(chǎn)品特征進行Vague值的提取與表示，并通過Vague值相似性計算公式計算項目之間的相似性，依據(jù)項目之間的相似性對項目進行分類，并生成“產(chǎn)品分類樹”，該方法能夠更準確的表示項目之間相似的精確程度，使相似項目聚類更加準確。在“產(chǎn)品分類樹”基礎上依據(jù)用戶興趣預設“種