電子商務中個性化推薦模型的研究.pdf

1、隨著電子商務的發(fā)展和應用，人工智能、web技術和商務模型的集成研究成為一個前沿問題。電子商務網站在為顧客提供越來越多產品或服務信息的同時，也加大了顧客在海量信息中，準確而迅速地找到符合需求的產品信息的難度。個性化推薦技術通過分析顧客相關信息，實時、主動地為顧客推薦符合其偏好的產品或服務，一方面，更好地滿足顧客的個性化需求，另一方面，有利于企業(yè)建立起穩(wěn)定的客戶群、提高服務質量，從而提高企業(yè)的市場競爭力。因此，個性化推薦技術的研究，具有較高

2、的學術價值和應用前景。
　　本文通過分析個性化推薦模型的國內外研究成果和實際應用環(huán)境，研究基于顧客購買行為及偏好的個性化推薦模型，并應用抽樣技術對顧客樣本進行過濾，以提高推薦的準確性和實時性。主要研究成果包括:
　　(1)提出顧客行為的動態(tài)挖掘方法。傳統(tǒng)技術多是依據(jù)靜態(tài)數(shù)據(jù)預測顧客偏好，但是顧客偏好是隨時間而變化的。因此，本文將顧客的購買行為，按發(fā)生的時間順序整理為購買行為序列，再對其進行關聯(lián)規(guī)則的提取，進而預測出目標顧客的

3、當前或未來偏好，有效提高了預測的準確性。
　　(2)提出使用抽樣技術預處理樣本數(shù)據(jù)。本文使用前瞻選擇抽樣算法，通過定義樣本分類效用值，選取效用值最大的顧客樣本進行類別標記，作為產生推薦的依據(jù)，解決了一般協(xié)同過濾技術的稀疏性問題和擴展性問題，有效地降低了推薦成本、提高了推薦質量。
　　(3)使用協(xié)同過濾算法和基于內容的協(xié)同過濾組合算法構建對照實驗模型，評價新構造模型的有效性。使用Movielens站點提供的測試數(shù)據(jù)集，通過對平