電子商務(wù)中個(gè)性化推薦模型的研究.pdf

1、隨著電子商務(wù)的發(fā)展和應(yīng)用，人工智能、web技術(shù)和商務(wù)模型的集成研究成為一個(gè)前沿問(wèn)題。電子商務(wù)網(wǎng)站在為顧客提供越來(lái)越多產(chǎn)品或服務(wù)信息的同時(shí)，也加大了顧客在海量信息中，準(zhǔn)確而迅速地找到符合需求的產(chǎn)品信息的難度。個(gè)性化推薦技術(shù)通過(guò)分析顧客相關(guān)信息，實(shí)時(shí)、主動(dòng)地為顧客推薦符合其偏好的產(chǎn)品或服務(wù)，一方面，更好地滿足顧客的個(gè)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(wù)質(zhì)量，從而提高企業(yè)的市場(chǎng)競(jìng)爭(zhēng)力。因此，個(gè)性化推薦技術(shù)的研究，具有較高

2、的學(xué)術(shù)價(jià)值和應(yīng)用前景。
　　本文通過(guò)分析個(gè)性化推薦模型的國(guó)內(nèi)外研究成果和實(shí)際應(yīng)用環(huán)境，研究基于顧客購(gòu)買行為及偏好的個(gè)性化推薦模型，并應(yīng)用抽樣技術(shù)對(duì)顧客樣本進(jìn)行過(guò)濾，以提高推薦的準(zhǔn)確性和實(shí)時(shí)性。主要研究成果包括:
　　(1)提出顧客行為的動(dòng)態(tài)挖掘方法。傳統(tǒng)技術(shù)多是依據(jù)靜態(tài)數(shù)據(jù)預(yù)測(cè)顧客偏好，但是顧客偏好是隨時(shí)間而變化的。因此，本文將顧客的購(gòu)買行為，按發(fā)生的時(shí)間順序整理為購(gòu)買行為序列，再對(duì)其進(jìn)行關(guān)聯(lián)規(guī)則的提取，進(jìn)而預(yù)測(cè)出目標(biāo)顧客的

3、當(dāng)前或未來(lái)偏好，有效提高了預(yù)測(cè)的準(zhǔn)確性。
　　(2)提出使用抽樣技術(shù)預(yù)處理樣本數(shù)據(jù)。本文使用前瞻選擇抽樣算法，通過(guò)定義樣本分類效用值，選取效用值最大的顧客樣本進(jìn)行類別標(biāo)記，作為產(chǎn)生推薦的依據(jù)，解決了一般協(xié)同過(guò)濾技術(shù)的稀疏性問(wèn)題和擴(kuò)展性問(wèn)題，有效地降低了推薦成本、提高了推薦質(zhì)量。
　　(3)使用協(xié)同過(guò)濾算法和基于內(nèi)容的協(xié)同過(guò)濾組合算法構(gòu)建對(duì)照實(shí)驗(yàn)?zāi)Ｐ?，評(píng)價(jià)新構(gòu)造模型的有效性。使用Movielens站點(diǎn)提供的測(cè)試數(shù)據(jù)集，通過(guò)對(duì)平