基于協(xié)同過濾的信息商品個性化捆綁推薦研究.pdf

1、隨著Internet的普及和電子商務的發(fā)展，網上交易這種新興的商務活動方式被越來越多的企業(yè)和用戶所接受。電子商務網站在為用戶提供豐富商品的同時，用戶往往會迷失在大量的商品信息之中，無法順利地找到自己所需要的商品，從而浪費了大量的時間和精力形成所謂的信息過載問題；另一方面，企業(yè)在想方設法吸引用戶光顧網站的同時又要保證網站推銷商品的收益。數(shù)據挖掘中的個性化推薦技術能夠為電子商務網站提供適合捆綁推薦的個性化商品，將數(shù)據挖掘技術和商品捆綁策略相

2、結合是解決上述問題的有效途徑。 本文對營銷策略商品捆綁進行了分析，闡述了商品捆綁所具備的優(yōu)勢、影響的因素及信息商品的特性，指出信息商品由于其極低的邊際成本、低交易成本和存在相對高的支付意愿，使之比傳統(tǒng)的物理商品捆綁更具優(yōu)勢，分析了商品捆綁對企業(yè)和用戶所具有不同的效應。 在實際的推薦系統(tǒng)中，在線推薦的時間復雜度是衡量推薦算法的主要指標。針對傳統(tǒng)協(xié)同過濾算法的性能問題，本文分析了基于用戶聚類的協(xié)同過濾算法的在線推薦時間復雜度

3、，它并不像傳統(tǒng)的協(xié)同過濾算法那樣計算目標用戶與基本用戶之間的相似度，而是計算目標用戶與基本用戶聚類中心之間的相似性，能夠產生更快的推薦速度。 本文還就傳統(tǒng)個性化推薦系統(tǒng)只從用戶角度來推薦商品問題，提出了在個性化推薦系統(tǒng)中融入利潤因素，這樣產生的推薦不僅能夠滿足用戶的需求而且也能增加企業(yè)的收益。實驗同時表明，融入利潤因素的個性化推薦系統(tǒng)在推薦的準確度上不比傳統(tǒng)的個性化推薦差，而且企業(yè)所獲得的利潤遠高于傳統(tǒng)的個性化推薦系統(tǒng)，本文最后