面向農(nóng)產(chǎn)品的協(xié)同過濾推薦算法研究.pdf

1、近年來，電子商務(wù)以方便信息溝通、收付方式靈活便捷等優(yōu)點，促進(jìn)社會信息化發(fā)展。但是，隨著互聯(lián)網(wǎng)的發(fā)展，很多用戶深受“信息過載”的困擾，影響購物體驗。于是，能夠幫助消費者從海量數(shù)據(jù)中挖掘出其感興趣的商品的推薦系統(tǒng)應(yīng)運而生。推薦系統(tǒng)通過分析消費者的個人特征和行為特征，確定用戶興趣，進(jìn)而向用戶進(jìn)行推薦。對經(jīng)營者而言，能夠提高交易量，達(dá)到精準(zhǔn)營銷的目的;對消費者而言，能夠節(jié)約時間，快速找到其有意愿購買的商品。農(nóng)產(chǎn)品電商是整個電商平臺中尤為重要的一

2、部分，農(nóng)產(chǎn)品推薦系統(tǒng)具有增加農(nóng)民收入、提高第一產(chǎn)業(yè)競爭力、促進(jìn)農(nóng)業(yè)信息化發(fā)展等重大意義，然而，現(xiàn)階段關(guān)于農(nóng)產(chǎn)品電子商務(wù)個性化推薦系統(tǒng)的研究較少。本文的研究目標(biāo)是設(shè)計一種面向農(nóng)產(chǎn)品的推薦算法，該算法以協(xié)同過濾推薦算法為基礎(chǔ)，以快速推薦，效果良好為目標(biāo)。本文的研究旨在拋磚引玉，以激發(fā)更多面向農(nóng)產(chǎn)品的推薦算法的進(jìn)一步、更深入的研究，本文主要工作及創(chuàng)新點如下:
　　(1)選取面向農(nóng)產(chǎn)品的推薦算法的基礎(chǔ)算法。對農(nóng)產(chǎn)品電子交易區(qū)別于其他商品交

3、易的特點進(jìn)行梳理，同時對協(xié)同過濾推薦算法進(jìn)行總結(jié)和分類，并指出算法面臨的問題。綜合農(nóng)產(chǎn)品線上交易的特點和各種協(xié)同過濾算法的特點，選取基于項目的協(xié)同過濾算法作為本文研究的面向農(nóng)產(chǎn)品的推薦算法的基礎(chǔ)算法。
　　(2)針對冷啟動問題，對算法做出改進(jìn)。傳統(tǒng)的協(xié)同過濾算法在冷啟動情況下，推薦效果不佳，針對這一問題，本文提出IPSS項目相似性度量方法。此方法有兩個主要部分:評分相似度和結(jié)構(gòu)相似度，其中，評分相似度主要考慮兩個項目評分之間的評分

4、差、項目評分與評分中值之差，以及項目評分與其他評分平均值之差;結(jié)構(gòu)相似度部分定義了共同評分項目占所有項目比重并懲罰活躍用戶的逆項目頻率(Inverse Item Frequence，IIF)系數(shù)。
　　(3)針對可擴展性問題，對算法做出改進(jìn)。傳統(tǒng)的協(xié)同過濾推薦算法在海量數(shù)據(jù)情況下，會受到可擴展性問題的影響，針對這一問題，本文提出融合項目譜聚類的協(xié)同過濾算法。算法分為離線和在線兩個步驟:離線時對項目聚類;在線時，首先確定目標(biāo)項目從屬

5、的類別，然后在類中搜索近鄰，最后求未評分項目的預(yù)測評分并據(jù)此為目標(biāo)用戶產(chǎn)生推薦。
　　(4)對算法在真實數(shù)據(jù)上進(jìn)行實驗。簡要介紹推薦引擎整體框架，并根據(jù)現(xiàn)有數(shù)據(jù)和算法使用MATLAB2009b在Movie Lens100k和Grecs兩個數(shù)據(jù)集對優(yōu)化算法進(jìn)行實驗。首先需要按提示輸入需要為其進(jìn)行推薦的目標(biāo)用戶的編號，在手動輸入編號后，程序會自動計算未評分項目的預(yù)測評分并根據(jù)計算結(jié)果產(chǎn)生推薦項目列表，展示給用戶。
　　本文提出的