基于商品基因和GA的智能商品推薦系統(tǒng)研究.pdf

1、近年來，隨著電子商務(wù)的迅速發(fā)展，產(chǎn)生了商品信息過載問題，使得一方面用戶的使用成本大大增加，另一方面商家開展針對性營銷的困難加大。智能商品導(dǎo)購系統(tǒng)通過與用戶的交互，分析其行為，預(yù)測其偏好并向其推薦他們真正感興趣的商品，它類似于采購助手的功能來幫助用戶過濾信息，選購滿足其真正需求的商品。智能商品導(dǎo)購系統(tǒng)能大大提升用戶購物體驗(yàn)，提供個(gè)性化的服務(wù)，幫助企業(yè)在激烈的電子商務(wù)競爭環(huán)境下，促進(jìn)產(chǎn)品的銷售，提高用戶的忠誠度。 目前多數(shù)B2C電子

2、商務(wù)系統(tǒng)存在著商品推薦策略單一、推薦結(jié)果精度低，推薦缺乏個(gè)性化的問題。本文通過對非線性網(wǎng)絡(luò)用戶行為進(jìn)行研究，利用一種改進(jìn)的非線性回歸分析方法對用戶興趣進(jìn)行建模，提出利用AJAX技術(shù)完成對用戶興趣數(shù)據(jù)源的搜集，取代以往對web日志處理的繁雜過程，并著重分析了關(guān)聯(lián)規(guī)則和協(xié)同過濾兩種主要的推薦算法各自的原理、適用范圍及優(yōu)缺點(diǎn)等。在此基礎(chǔ)上，引入商品基因的概念，通過將商品特征基因數(shù)據(jù)庫、用戶購買歷史記錄、用戶在線瀏覽內(nèi)容及鄰近用戶行為結(jié)合起來，