一種B2C模式下多模型推薦系統(tǒng)的研究.pdf

1、電子商務(wù)推薦系統(tǒng)就是模擬導(dǎo)購，在用戶購買過程中提出建議，并在用戶下次訪問網(wǎng)站時，根據(jù)用戶的瀏覽、購買信息，提供其最可能感興趣的商品。推薦系統(tǒng)可以將訪客變成購買者，從而提高交叉銷售以及提高用戶滿意度。
　　本文通過對當(dāng)前B2C網(wǎng)站的電子商務(wù)個性化推薦系統(tǒng)分析，發(fā)現(xiàn)傳統(tǒng)的推薦系統(tǒng)有如下問題：數(shù)據(jù)稀疏性問題，用戶購買或評分的只占總商品數(shù)的1％左右；新項目問題，對于未被購買或評分的新商品、新用戶一般不能進(jìn)行推薦；推薦方法單一、數(shù)據(jù)處理耗時

2、過長以及推薦精度不高的問題。本文在該問題基礎(chǔ)上提出一種B2C模式下的多模型推薦系統(tǒng)（MMRS）的設(shè)計及實現(xiàn)，該系統(tǒng)通過對服務(wù)器日志、用戶購物歷史記錄、Web元數(shù)據(jù)以及用戶注冊信息處理，運用關(guān)聯(lián)、聚類以及改進(jìn)的協(xié)同過濾方法，最后給出商品、用戶評論以及email營銷廣告等不同方式的推薦結(jié)果。這種對不同用戶的多模型的推薦方案，即使新老用戶由于信息的不同，都能夠產(chǎn)生有效的推薦，并能夠?qū)π庐a(chǎn)品產(chǎn)生推薦，在數(shù)據(jù)處理以及推薦精度、推薦范圍上也有一定改

3、進(jìn)。
　　針對Web日志中用戶很難被識別的問題，本文通過對日志中IP地址與瀏覽器類別以及結(jié)合Cookies來識別用戶。對于一般匿名用戶，也可以通過Cookies信息有效識別用戶，得到用戶的瀏覽情況，進(jìn)行一定的商品推薦。
　　由于傳統(tǒng)協(xié)同過濾推薦在推薦精度、數(shù)據(jù)處理效率都有一定的不足，文中提出一種基于聚類和項目預(yù)測的協(xié)同過濾方法，把用戶、商品進(jìn)行聚類后，將同屬一類的用戶、商品構(gòu)建用戶—商品子矩陣，在該矩陣基礎(chǔ)上進(jìn)行最近鄰查詢，