XX公司手機閱讀產(chǎn)品中個性化推薦方法研究.pdf

1、在當今信息泛濫的時代，個性化營銷的出現(xiàn)極大方便了人們的生活，改變了人們的習慣。以用戶為中心的個性化產(chǎn)品越來越多，個性化資訊、個性化音樂、個性化電子書、個性化產(chǎn)品、個性化推薦技術(shù)也隨之成為了當前的研究熱點，同時隨著手機特別是智能手機的迅猛發(fā)展，智能手機的閱讀數(shù)量呈現(xiàn)級數(shù)增長，用戶迫切需要一種能夠根據(jù)自身特點組織和調(diào)整信息的服務模式，個性化服務應運而生，那么個性化服務顯得越來越重要，本文研究了手機閱讀個性化系統(tǒng)及主要的推薦技術(shù)，通過對XX公

2、司手機閱讀個性化產(chǎn)品中個性化推薦方法的研究，提出根據(jù)用戶的消費行為和協(xié)同過濾算法對手機閱讀個性化進行研究。
　　本文首先對XX公司目前個性推薦系統(tǒng)Slope One進行深入剖析，提出存在的問題：分析用戶偏好的數(shù)據(jù)源是用戶的瀏覽日志，不能有效的把高價值用戶挖掘出來，而且在線處理大量數(shù)據(jù)，效率較低，沒有考慮用戶價值的差異，推薦方式比較單一。
　　針對存在的問題，本文對個性化推薦方法中的協(xié)同過濾算法進行了詳細分析，首先對主流的個性

3、化推薦技術(shù)進行綜述，其次提出在用戶行為模式下手機閱讀個性化推薦的方法，引入用戶關(guān)系管理領域的RFM模型和數(shù)據(jù)挖掘領域的聚類技術(shù)，提出新的推薦模型。根據(jù)用戶的行為把用戶分成瀏覽用戶和消費用戶，設計基于RFM模型的K-均值聚類處理方法，通過用戶的歷史消費記錄分析用戶的消費偏好，把用戶的瀏覽和消費行為轉(zhuǎn)化成對書籍的興趣評價上，在用戶-書籍評分數(shù)據(jù)庫的基礎上，通過RFM和協(xié)同過濾策略將各種推薦算法有層次的融合在一起，達到更好的推薦效果。