電子商務(wù)個(gè)性化推薦系統(tǒng)中協(xié)同過(guò)濾技術(shù)及應(yīng)用研究.pdf

1、互聯(lián)網(wǎng)的普及和電子商務(wù)的迅速發(fā)展造成了信息的過(guò)載，用戶在大量的產(chǎn)品信息中難以找到需要的商品，因此電子商務(wù)推薦系統(tǒng)應(yīng)運(yùn)而生。但當(dāng)前的電子商務(wù)推薦系統(tǒng)在實(shí)際運(yùn)用中還相當(dāng)不成熟，仍然存在許多問(wèn)題，如推薦質(zhì)量受到稀疏的用戶評(píng)價(jià)數(shù)據(jù)的嚴(yán)重影響，系統(tǒng)的可擴(kuò)展性能差，推薦缺乏多樣性無(wú)法涵蓋用戶的完整興趣等。論文針對(duì)這些當(dāng)前推薦系統(tǒng)中存在的主要問(wèn)題，對(duì)電子商務(wù)個(gè)性化推薦系統(tǒng)中的推薦策略和推薦算法等關(guān)鍵技術(shù)進(jìn)行了有益的探索和研究。 在推薦策略研究

2、方面，論文分析了當(dāng)前的電子商務(wù)系統(tǒng)在不同場(chǎng)合不同情況下所需使用的不同類型的推薦策略。針對(duì)銷售頻繁購(gòu)買商品的電子商務(wù)系統(tǒng)，分析了此類系統(tǒng)的推薦需求，提出了應(yīng)用于此類電子商務(wù)系統(tǒng)的具體推薦策略，即產(chǎn)生滿足推薦準(zhǔn)確性和新穎性的主top-N推薦列表，產(chǎn)生滿足推薦完整性和多樣性的副top-N推薦列表，產(chǎn)生增加新商品受關(guān)注力度的新加入商品列表，產(chǎn)生最近最暢銷商品排行榜。 在推薦算法設(shè)計(jì)方面，論文研究了當(dāng)前個(gè)性化推薦的主流技術(shù)——協(xié)同過(guò)濾。對(duì)

3、該算法中影響推薦質(zhì)量的稀疏性問(wèn)題和影響用戶滿意度的推薦完整性問(wèn)題進(jìn)行了深入分析，引入了“概念分層”和“社區(qū)過(guò)濾”技術(shù)對(duì)協(xié)同過(guò)濾算法進(jìn)行改進(jìn)，設(shè)計(jì)出了能夠?qū)崿F(xiàn)論文所提出的推薦策略的改進(jìn)算法。針對(duì)協(xié)同過(guò)濾算法中的稀疏性問(wèn)題，論文利用“概念分層”的思想，建立起基于項(xiàng)目種類概念層次樹的用戶興趣模型來(lái)發(fā)現(xiàn)項(xiàng)目間隱含的聯(lián)系，以緩解用戶一項(xiàng)目評(píng)估矩陣中用戶評(píng)價(jià)數(shù)據(jù)的稀疏程度，幫助用戶找到準(zhǔn)確的鄰居得到更準(zhǔn)確的推薦。針對(duì)算法中存在的推薦完整性問(wèn)題，論文