基于混合算法的個(gè)性化電子商務(wù)推薦系統(tǒng)研究.pdf

1、本文著重對推薦系統(tǒng)及其核心的推薦方法進(jìn)行研究. 首先，研究推薦系統(tǒng)。針對推薦質(zhì)量和實(shí)時(shí)性要求，構(gòu)建合理的推薦系統(tǒng)。將推薦系統(tǒng)劃分為在線實(shí)時(shí)推薦和模型處理兩部分.用戶在線瀏覽電子商務(wù)網(wǎng)站時(shí)，在線部分實(shí)時(shí)輸出反映用戶興趣的個(gè)性化推薦列表.模型處理部分主要根據(jù)所收集的數(shù)據(jù)以及不同的模型算法，得到模型輸出，作為在線推薦的依據(jù).特別提出對于新用戶和新商品采用結(jié)合不同方法的推薦機(jī)制，在一定程度上解決冷啟動問題，提高推薦質(zhì)量。 其次，

2、研究推薦方法。推薦方法主要包括：基于內(nèi)容推薦、協(xié)同過濾推薦、混合推薦、數(shù)據(jù)挖掘等方法.其中，協(xié)同過濾算法是比較成功的推薦方法.而針對基于聚類的協(xié)同過濾推薦算法的效率和質(zhì)量方面的不足，提出使用Fuzzy ART算法，發(fā)揮其學(xué)習(xí)性與適應(yīng)性的特點(diǎn)。建立基于Fuzzy ART的推薦算法，進(jìn)行實(shí)驗(yàn)分析，并與傳統(tǒng)方法進(jìn)行比較，證明Fuzzy ART算法有助于提高推薦質(zhì)量. 再次，針對Fuzzy ART算法存在的數(shù)據(jù)稀疏性問題和冷啟動問題，提

3、出使用Fuzzy ART結(jié)合基于內(nèi)容的改進(jìn)推薦方法.將商品特征信息與用戶的偏好結(jié)合，得到用戶偏好模型.根據(jù)用戶偏好模型利用Fuzzy ART分類，預(yù)測用戶的推薦結(jié)果.比較分析結(jié)果顯示結(jié)合基于內(nèi)容的推薦方法在一定程度上解決稀疏性問題，提高推薦效果.此外，結(jié)合基于內(nèi)容的推薦方法可以促進(jìn)對新商品的推薦。 最后，考慮用戶信息對推薦質(zhì)量的影響，進(jìn)行改進(jìn)得到混合算法.用戶購買商品可能不僅僅與商品特征及偏好有關(guān)，用戶的基本信息如年齡、職業(yè)、性