基于模糊興趣模型的個(gè)性化推薦算法.pdf

1、電子商務(wù)到現(xiàn)在為止已經(jīng)走過(guò)了近半個(gè)世紀(jì)。網(wǎng)絡(luò)經(jīng)濟(jì)的第二浪潮也正在身邊風(fēng)起云涌。在浪花過(guò)處，人們逐漸認(rèn)識(shí)到：商務(wù)仍是這一切活動(dòng)的中心，客戶服務(wù)則是商業(yè)成功的關(guān)鍵所在。滿足客戶不斷增長(zhǎng)的對(duì)服務(wù)的需要，體現(xiàn)用戶的個(gè)性自然成為電子商務(wù)的核心任務(wù)之一。商務(wù)的競(jìng)爭(zhēng)從深層次而言，體現(xiàn)為服務(wù)的競(jìng)爭(zhēng)，從更深層次上則體現(xiàn)為個(gè)性化的競(jìng)爭(zhēng)。個(gè)性化推薦技術(shù)則又是個(gè)性化服務(wù)最核心的技術(shù)。 目前，個(gè)性化推薦技術(shù)主要以協(xié)作推薦和內(nèi)容推薦兩大技術(shù)為主。其中協(xié)作推

2、薦是電子商務(wù)推薦的主流?；谟脩舻膮f(xié)作推薦技術(shù)和基于商品項(xiàng)的協(xié)作推薦技術(shù)是協(xié)作推薦的主要方式。 傳統(tǒng)的基于用戶的協(xié)作推薦并不生成顯式的用戶模型，而是直接比較用戶的相似度進(jìn)行推薦，推薦效果不突出?；谏唐讽?xiàng)的推薦系統(tǒng)克服了不少傳統(tǒng)用戶協(xié)作推薦的缺點(diǎn)，但同時(shí)放棄了對(duì)用戶本身興趣的推薦，且仍有可能導(dǎo)致同質(zhì)推薦。 首先，本文針對(duì)個(gè)性化的本質(zhì)特點(diǎn)，結(jié)合模糊數(shù)學(xué)的知識(shí)，提出了一種個(gè)性化模糊興趣模型。在此模型建立的初期，我們解決了商品

3、屬性模糊化的問(wèn)題，然后根據(jù)用戶的商品選擇列表，建立了單類商品的多級(jí)模糊用戶興趣模型。 其次，討論了多類商品興趣模型建立的需求。針對(duì)缺項(xiàng)商品集，本文利用數(shù)據(jù)挖掘中的模糊關(guān)聯(lián)規(guī)則，嘗試進(jìn)行了用戶新的興趣點(diǎn)的發(fā)現(xiàn)。解決了多類商品推薦中缺項(xiàng)商品模型生成的難題，從而最終實(shí)現(xiàn)了面向新的興趣點(diǎn)發(fā)現(xiàn)的完整多類商品模糊興趣模型。這部分的研究是本文重要的創(chuàng)新之一。 再次，基于模糊興趣模型的推薦不同于通常的用戶推薦，因此，我們根據(jù)單類商品的模

4、糊興趣模型,建立了同類商品推薦的特有推薦算法，并在此基礎(chǔ)上推導(dǎo)出了一個(gè)完整的能夠發(fā)現(xiàn)新興趣點(diǎn)的多類商品推薦算法。 最后，本文對(duì)提出的新用戶興趣模型及相應(yīng)推薦算法的有效性進(jìn)行了必要的實(shí)驗(yàn)驗(yàn)證，初步實(shí)驗(yàn)結(jié)果表明了模型的合理性及推薦算法的有效性，其推薦效果比現(xiàn)有的經(jīng)典推薦算法更優(yōu)。算法的具體實(shí)現(xiàn)過(guò)程中論文引入了多主體理論中的智能代理來(lái)幫助完成的。Agent之間的互助和協(xié)作，將有助于最終建立一個(gè)社會(huì)化的推薦系統(tǒng)網(wǎng)絡(luò)。 總之，本文