電子商務(wù)協(xié)同過濾推薦質(zhì)量影響因素及其改進(jìn)機(jī)制研究.pdf

1、協(xié)同過濾推薦技術(shù)是電子商務(wù)推薦系統(tǒng)中最為成熟也是目前最為成功的一種技術(shù)，但其受稀疏性、冷啟動(dòng)、擴(kuò)展性等問題困擾，阻礙了其推薦質(zhì)量與推薦效率的進(jìn)一步發(fā)展。本文從電子商務(wù)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(chǔ)評價(jià)數(shù)據(jù)的完整性，推薦方法的準(zhǔn)確性，計(jì)算復(fù)雜度的適宜性三個(gè)角度去分析電子商務(wù)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(jìn)機(jī)制。
　　目前主流的推薦系統(tǒng)多依據(jù)用戶對項(xiàng)目的直接評分或評價(jià)發(fā)現(xiàn)用戶

2、的購物偏好，在此基礎(chǔ)上應(yīng)用某種推薦算法向用戶實(shí)施推薦。因部分用戶不愿意對項(xiàng)目進(jìn)行評價(jià)從而造成了評價(jià)數(shù)據(jù)的缺失，導(dǎo)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(jià)數(shù)據(jù)應(yīng)用SOM神經(jīng)網(wǎng)絡(luò)對具有相似購物偏好的用戶進(jìn)行聚類，依據(jù)同一聚類簇內(nèi)用戶購物偏好的相似性，進(jìn)一步應(yīng)用RBFN（徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)）進(jìn)行平滑預(yù)測處理以獲得用戶對未評價(jià)項(xiàng)目評價(jià)值。神經(jīng)網(wǎng)絡(luò)聚類與預(yù)測有效的消除了基礎(chǔ)評價(jià)數(shù)據(jù)的稀疏性問題，降低了基礎(chǔ)評價(jià)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(dòng)問題影響，對新注冊用戶和新上架項(xiàng)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(shí)施關(guān)聯(lián)規(guī)則挖掘，并依據(jù)關(guān)聯(lián)規(guī)則實(shí)施推薦。關(guān)聯(lián)規(guī)則的挖掘與推薦有效的解決了冷啟動(dòng)問題，作為協(xié)同過濾算法的必要補(bǔ)充保證了推薦方法的準(zhǔn)確性。同時(shí)本文在傳統(tǒng)基于用戶的協(xié)同過濾推薦的基礎(chǔ)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(jì)算復(fù)雜導(dǎo)致的擴(kuò)展性問題，本文提出復(fù)雜度的降低應(yīng)從數(shù)據(jù)維度降低和計(jì)算方法優(yōu)化兩個(gè)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(jìn)行Vague值的提取與表示，并通過Vague值相似性計(jì)算公式計(jì)算項(xiàng)目之間的相似性，依據(jù)項(xiàng)目之間的相似性對項(xiàng)目進(jìn)行分類，并生成“產(chǎn)品分類樹”，該方法能夠更準(zhǔn)確的表示項(xiàng)目之間相似的精確程度，使相似項(xiàng)目聚類更加準(zhǔn)確。在“產(chǎn)品分類樹”基礎(chǔ)上依據(jù)用戶興趣預(yù)設(shè)“種