基于復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)挖掘的個(gè)性化電子商務(wù)推薦系統(tǒng)研究.pdf

1、推薦系統(tǒng)是解決當(dāng)前信息過(guò)載問(wèn)題的有效途徑，是電子商務(wù)領(lǐng)域的一項(xiàng)重要研究?jī)?nèi)容，旨在為用戶和企業(yè)都帶來(lái)利益，具有良好的發(fā)展前景。
　　 分析比較了當(dāng)前廣泛使用的各種基于規(guī)則的推薦系統(tǒng)、基于內(nèi)容的推薦系統(tǒng)、協(xié)同過(guò)濾推薦系統(tǒng)以及混合推薦系統(tǒng)，討論了電子商務(wù)推薦系統(tǒng)的四大研究?jī)?nèi)容、協(xié)同過(guò)濾算法在推薦系統(tǒng)中的應(yīng)用、復(fù)雜網(wǎng)絡(luò)理論及其統(tǒng)計(jì)特征量在推薦系統(tǒng)中的應(yīng)用。針對(duì)當(dāng)前主流的協(xié)同過(guò)濾推薦算法所存在的評(píng)分?jǐn)?shù)據(jù)稀疏性、冷啟動(dòng)和可擴(kuò)展性問(wèn)題，在推薦

2、系統(tǒng)中引入了復(fù)雜網(wǎng)絡(luò)的思想，即忽略用戶和商品項(xiàng)目的內(nèi)容特征，僅僅把它們視作為抽象的節(jié)點(diǎn)，用復(fù)雜網(wǎng)絡(luò)的各種統(tǒng)計(jì)特征來(lái)描述推薦系統(tǒng)中用戶或商品項(xiàng)目間存在的各種關(guān)聯(lián)。
　　 以Movielens數(shù)據(jù)集為載體，實(shí)現(xiàn)了基于二部分圖網(wǎng)絡(luò)的推薦算法。以電影推薦系統(tǒng)為例，把用戶和電影看成是二部分圖網(wǎng)絡(luò)中兩類不同的節(jié)點(diǎn)，以及如何根據(jù)二部分圖網(wǎng)絡(luò)的資源分配原理推導(dǎo)出推薦算法。實(shí)驗(yàn)數(shù)據(jù)證明：基于二部分圖網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法在推薦準(zhǔn)確率上超越了經(jīng)典的協(xié)同

3、過(guò)濾推薦算法，并且有助于解決協(xié)同過(guò)濾系統(tǒng)中的冷啟動(dòng)問(wèn)題，有益于對(duì)冷門商品的推薦。
　　 在復(fù)雜網(wǎng)絡(luò)理論基礎(chǔ)上，提出了一種新穎的基于用戶關(guān)聯(lián)網(wǎng)絡(luò)的推薦算法,并以Movielens數(shù)據(jù)集為載體進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)證明：算法有效。在這部分的工作中，仍然以電影推薦系統(tǒng)為例，首先，根據(jù)用戶選擇相同電影的數(shù)量和評(píng)價(jià)信息構(gòu)造出用戶之間的關(guān)聯(lián)網(wǎng)絡(luò)，用戶間的關(guān)聯(lián)程度用權(quán)值衡量。然后，在已構(gòu)造出的用戶關(guān)聯(lián)網(wǎng)絡(luò)中，根據(jù)某部電影被所有用戶選擇的記錄，將該部