基于時間效應的網(wǎng)上商場推薦系統(tǒng)研究與應用

1、分類號：U D C ． 密級：學校代號：1 1 8 4 5學號：2 1 1 1 3 0 5 0 4 6廣東工業(yè)大學碩士學位論文( 工學碩士)基于時間效應的網(wǎng)上商場推薦系統(tǒng)研究與應用金雯婷指導教師姓名、職稱： 王勇副教授學科( 專業(yè)) 或領域名稱： 軟件工程學生所屬學院： 計算機學院論文答辯日期： 2 0 1 6 —0 5摘要摘要移動電子商務應用于商場購物之中可以給人們的購物帶來便利，但商場信息過載問題卻影響了人們快速且合適的選擇商品，推

2、薦系統(tǒng)的產(chǎn)生在一定程度上解決了此類問題。然而，用戶隨著時間發(fā)生的興趣轉(zhuǎn)移，對商品的動態(tài)推薦產(chǎn)生了需求。本文提出了基于時間效應的推薦系統(tǒng)，以根據(jù)時間變化動態(tài)生成推薦商品，支持精準營銷。本文在對個性化推薦技術及數(shù)據(jù)挖掘等相關理論進行學習的基礎上，分析了時間因素對用戶興趣所造成的影響，著重對基于時間效應的協(xié)同過濾推薦算法進行了研究。協(xié)同過濾推薦算法是指為用戶推薦與其志趣相投的其他用戶感興趣的商品，本文基于時間效應的協(xié)同過濾推薦算法首先考慮了不

3、同用戶對商品的不同評價標準，以及不同類別的商品被用戶評價也會有所差異的情況下，對商品評價進行歸一化處理得到評價趨勢，修正了用戶對商品的評價矩陣，然后在艾賓浩斯遺忘曲線的啟發(fā)下，認為人們對自己歷史購物行為的遺忘也是符合非線性遺忘的規(guī)律，引入評價影響時間窗的概念，即認為用戶對商品評價信息的影響力在此時間段內(nèi)保持不變，然后通過添加時間窗這個參數(shù)對傳統(tǒng)的時間權重函數(shù)進行了改進，得到了新的時間加權函數(shù)，使得用戶對商品的評價更接近其對當前推薦的實際

4、影響力，構建了時f ．- J ) J D 權的商品評價矩陣，解決了用戶興趣隨時間遷移而發(fā)生改變的問題，接著改進了傳統(tǒng)的相似用戶聚類算法，通過在計算用戶之間相似度的時候加入時間權重，將當前興趣真正相似的用戶聚類，使得聚類更加準確，并且在協(xié)同過濾之前構造目標用戶的最近鄰搜索候選集，使得本算法較為簡單易計算，能夠較快地響應用戶，再通過基于用戶的協(xié)同過濾算法，根據(jù)最近鄰用戶對商品的評價來計算目標用戶對未評價商品的預測評價，而且在預測評價階段也采