基于評(píng)分預(yù)測(cè)和概率融合的協(xié)同過(guò)濾研究.pdf

1、隨著互聯(lián)網(wǎng)的普及和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，電子商務(wù)因其成本低廉、快捷、不受時(shí)空限制等優(yōu)點(diǎn)在全球范圍內(nèi)得到普及和發(fā)展。而在這種虛擬環(huán)境下，商家所提供的產(chǎn)品種類和數(shù)量非常多，而且，從現(xiàn)實(shí)經(jīng)驗(yàn)來(lái)看，用戶的需求經(jīng)常是不明確的、模糊的，可能會(huì)對(duì)某類產(chǎn)品有著潛在的需求，但并不清楚什么產(chǎn)品能滿足自己的模糊需求，所以，如何向用戶進(jìn)行個(gè)性化產(chǎn)品推薦，將電子商務(wù)網(wǎng)站的瀏覽者轉(zhuǎn)變?yōu)橘?gòu)買(mǎi)者，提高電子商務(wù)網(wǎng)站的交叉銷售能力以及客戶對(duì)電子商務(wù)網(wǎng)站的忠誠(chéng)度，使得企業(yè)獲得

2、盡可能多的效益，成為電子商務(wù)的一個(gè)重要研究?jī)?nèi)容。推薦系統(tǒng)就是在這樣的背景下與電子商務(wù)結(jié)合在一起的。協(xié)同過(guò)濾是目前在電子商務(wù)推薦系統(tǒng)中應(yīng)用最早和最為成功的個(gè)性化推薦技術(shù)。但是，隨著站點(diǎn)結(jié)構(gòu)、內(nèi)容復(fù)雜度、產(chǎn)品數(shù)量、產(chǎn)品種類和用戶人數(shù)的不斷增加，推薦系統(tǒng)中的協(xié)同過(guò)濾技術(shù)發(fā)展面臨著諸如推薦質(zhì)量不高、擴(kuò)展性差等嚴(yán)峻的挑戰(zhàn)。面對(duì)這些挑戰(zhàn)，針對(duì)如何提高對(duì)用戶推薦信息的質(zhì)量、提高協(xié)同過(guò)濾算法的可擴(kuò)展性等問(wèn)題，國(guó)內(nèi)外進(jìn)行了很多研究，其成果也在實(shí)際中得到了

3、一定的應(yīng)用。 論文首先簡(jiǎn)要介紹了電子商務(wù)推薦系統(tǒng)產(chǎn)生的背景。論文對(duì)推薦系統(tǒng)的概念、作用，以及常用的方法等進(jìn)行了詳細(xì)的闡述。在推薦技術(shù)中，協(xié)同過(guò)濾技術(shù)不僅為推薦系統(tǒng)提高服務(wù)質(zhì)量提供了新的思路，而且該技術(shù)在許多商業(yè)網(wǎng)站上也得到了廣泛地、成功地應(yīng)用。對(duì)協(xié)同過(guò)濾基本思想、出發(fā)點(diǎn)，實(shí)現(xiàn)，以及協(xié)同過(guò)濾的兩個(gè)方向作了全面介紹。論文還著重分析了協(xié)同過(guò)濾在推薦系統(tǒng)中應(yīng)用時(shí)所面臨的問(wèn)題，以及現(xiàn)有的解決方法。針對(duì)這些問(wèn)題提出了新的解決方法。該方法是在

4、原有的基于用戶的協(xié)同過(guò)濾和基于項(xiàng)的協(xié)同過(guò)濾兩種算法基礎(chǔ)上，引入了概率融合框架融合了前面的兩種算法，這樣，一方面增加了進(jìn)行推薦時(shí)可用的數(shù)據(jù)，減少了由于數(shù)據(jù)稀疏性的影響，在一定程度上提高了推薦質(zhì)量。另一方面對(duì)于協(xié)同過(guò)濾算法中出現(xiàn)的數(shù)據(jù)的極端稀疏性問(wèn)題，引入了BP神經(jīng)網(wǎng)絡(luò)的方法，對(duì)未評(píng)分?jǐn)?shù)據(jù)進(jìn)行了預(yù)測(cè)，降低了數(shù)據(jù)的稀疏度，在一定程度上也提高了算法的精確度。另外，針對(duì)以往協(xié)同過(guò)濾算法中未考慮和利用項(xiàng)分類信息，使得推薦時(shí)缺少個(gè)性，難以適應(yīng)目前電子