面向O2O用戶行為分析的個(gè)性化推薦算法研究與應(yīng)用.pdf

1、近些年，隨著互聯(lián)網(wǎng)電子商務(wù)的發(fā)展，用戶在電商平臺(tái)上使用并產(chǎn)生的數(shù)據(jù)劇增，使用戶面臨嚴(yán)重的信息過載問題。個(gè)性化推薦系統(tǒng)是解決信息過載的有效方式之一。
　　采用協(xié)同過濾推薦算法和基于內(nèi)容的推薦算法來構(gòu)建個(gè)性化推薦系統(tǒng)，并將兩次推薦結(jié)果混合生成最終推薦結(jié)果。在基于用戶的協(xié)同過濾推薦算法中，對(duì)比不同相似度度量方法，并采用修正的余弦相似性公式來計(jì)算用戶之間的相似度。在基于內(nèi)容的推薦算法中，采用余弦相似定理計(jì)算興趣特征向量和項(xiàng)目特征向量之間的

2、相似度?；趦?nèi)容和協(xié)同過濾混合的推薦算法綜合考慮了用戶個(gè)人行為因素和鄰近用戶組因素，提高了推薦的有效性。其中，項(xiàng)目之間的相似度通過計(jì)算項(xiàng)目結(jié)構(gòu)化數(shù)據(jù)之間的相似度得到。
　　在研究面向O2O的用戶行為分析的基礎(chǔ)上，提出了面向O2O用戶行為分析的混合推薦算法。以基于內(nèi)容和協(xié)同過濾混合的推薦算法為基礎(chǔ)，設(shè)計(jì)了面向O2O用戶行為分析的混合推薦模塊架構(gòu)圖，并通過理論與實(shí)際的結(jié)合驗(yàn)證了該混合推薦算法在基于 O2O的生活信息服務(wù)系統(tǒng)上應(yīng)用的有效