基于顧客交易數(shù)據(jù)的協(xié)同過濾推薦方法研究.pdf

1、隨著Internet的普及和電子商務的快速發(fā)展，電子商務系統(tǒng)在為用戶提供越來越多選擇的同時，其結(jié)構(gòu)也變得更加復雜，用戶經(jīng)常會迷失在大量的商品信息空間中，無法順利找到自己需要的商品。許多著名的電子商務網(wǎng)站都開發(fā)了推薦系統(tǒng)，為顧客提供個性化的信息推薦服務。電子商務推薦系統(tǒng)能夠直接與用戶交互，模擬商店銷售人員向用戶提供商品推薦，幫助用戶找到所需商品，從而順利完成購買過程。 電子商務推薦系統(tǒng)已逐漸成為電子商務信息技術的一個重要研究內(nèi)容，

2、受到越來越多研究者的關注。特別是應用最成功的協(xié)同過濾推薦系統(tǒng)，在理論和實踐中都得到了很大發(fā)展，但是隨著電子商務系統(tǒng)規(guī)模的進一步擴大，協(xié)同過濾推薦系統(tǒng)也面臨著一系列挑戰(zhàn)。 論文對電子商務推薦系統(tǒng)及其相關技術進行了深入的探討和研究，并詳盡分析了協(xié)同過濾推薦算法在應用過程中存在的問題及現(xiàn)有的解決方法，在此基礎上提出了基于顧客交易數(shù)據(jù)的協(xié)同過濾推薦方法，然后更進一步地提出了改進算法，即基于項目綜合指標值預測的協(xié)同過濾推薦算法和基于顧客模

3、糊聚類的協(xié)同過濾推薦算法。 基于顧客交易數(shù)據(jù)的協(xié)同過濾推薦思想是：基于顧客的購買交易記錄數(shù)據(jù)應用RFM分析方法來確定顧客對商品的忠誠度，并以體現(xiàn)顧客忠誠度的IRFM綜合指標值來反映顧客的購買偏好，然后基于IRFM分析矩陣應用提出的協(xié)同過濾推薦算法為顧客提供個性化的商品推薦?；陧椖烤C合指標值預測的協(xié)同過濾推薦算法和基于顧客模糊聚類的協(xié)同過濾推薦算法則是在上述推薦思想的基礎上對傳統(tǒng)協(xié)同過濾方法的改進。論文對提出的算法進行了詳細的理