基于人工免疫算法的電子商務推薦系統(tǒng)的研究.pdf

1、隨著市場經(jīng)濟結構的調(diào)整，電子商務相關政策的完善以及物流、信用、電子支付等支撐體系的不斷優(yōu)化，消費者對電子商務的需求將會更加強烈，運用電子商務的意識會越來越強。未來電子商務將會遍及生產(chǎn)、流通、消費等社會生活的各個領域。電子商務服務業(yè)群正在逐步形成，這將會成為未來國民經(jīng)濟新的增長點。統(tǒng)計數(shù)據(jù)表明自2005年以來，我國電子商務市場交易額穩(wěn)定增長，未來3年，我國電子商務投資市場將迎來發(fā)展的新高潮。在這種環(huán)境下，大多電子商務網(wǎng)站都使用了推薦系統(tǒng)來

2、推廣業(yè)務。推薦系統(tǒng)逐漸成為電子商務中的重要研究內(nèi)容。
　　伴隨著電子商務規(guī)模的擴大，推薦系統(tǒng)面臨著一系列的挑戰(zhàn)。信息數(shù)量的急速增長影響了推薦系統(tǒng)推薦的效率。協(xié)同過濾是推薦系統(tǒng)中應用最為廣泛的個性化推薦技術，但是其自身存在稀疏性、冷啟動以及可擴展性等問題，影響了推薦系統(tǒng)的質(zhì)量。
　　本文對電子商務推薦系統(tǒng)中使用的推薦技術進行了探索和研究，提出了基于免疫機理的推薦算法，主要是借鑒了自然免疫系統(tǒng)的免疫學習、克隆選擇和自適應等特性。

3、首先把免疫網(wǎng)絡中的初始抗體通過聚類劃分為不同的簇，然后基于自適應的aiNet算法對聚類中心進行克隆、變異等，從而獲得優(yōu)秀的鄰居用戶集?？贵w的克隆分化機制能夠降低數(shù)據(jù)的稀疏性，網(wǎng)絡抑制能提高擴展性，避免算法陷入局部最優(yōu)點。與協(xié)同過濾算法相比，該算法對用戶興趣的預測更加客觀、準確，能夠提高系統(tǒng)推薦的質(zhì)量。最后通過實驗驗證了該算法在電子商務使用中的可行性和有效性。
　　本文所做的工作以及創(chuàng)新點主要包括以下幾個方面:
　　(1)基于

4、人工免疫與自適應 aiNet的協(xié)同過濾算法
　　本文借鑒抗原和抗體，抗體與抗體之間相互作用以及抗體的克隆變異等原理，將自適應 aiNet思想引入?yún)f(xié)同過濾算法中的鄰居用戶集的選擇中，提高了最近鄰居集合選取的準確性。
　　(2)基于聚類免疫的最相似鄰居推薦算法
　　將聚類技術 K-means算法引入到推薦算法中，對網(wǎng)絡中注冊的用戶基于興趣進行分類。再結合人工免疫的思想，利用聚類免疫方法確定最相似的鄰居用戶。
　　(3