基于用戶興趣與合作的個(gè)性化電子商務(wù)推薦系統(tǒng)研究.pdf

1、推薦系統(tǒng)作為電子商務(wù)網(wǎng)站的一種重要的營(yíng)銷工具，使消費(fèi)者在面對(duì)海量的商品信息時(shí)得到有價(jià)值的購(gòu)買建議的同時(shí)，也提高了網(wǎng)站的銷售業(yè)績(jī)。隨著網(wǎng)絡(luò)與計(jì)算機(jī)技術(shù)的進(jìn)步，電子商務(wù)推薦系統(tǒng)得到廣泛的研究與發(fā)展，服務(wù)越來(lái)越智能化、個(gè)性化。同時(shí)隨著電子商務(wù)規(guī)模的不斷擴(kuò)大，推薦系統(tǒng)也面臨一系列挑戰(zhàn)，本文針對(duì)推薦系統(tǒng)的算法設(shè)計(jì)、體系結(jié)構(gòu)等關(guān)鍵技術(shù)進(jìn)行了有益探索。
　　首先，介紹了電子商務(wù)推薦系統(tǒng)的基本理論，包括產(chǎn)生的背景、概念、作用、輸入輸出的表現(xiàn)形式，

2、及常用的推薦方法，并總結(jié)了推薦系統(tǒng)研究領(lǐng)域的熱點(diǎn)問(wèn)題。
　　其次，本文還對(duì)推薦系統(tǒng)所使用的多種個(gè)性化的推薦技術(shù)進(jìn)行了分類介紹，包括信息過(guò)濾技術(shù)、數(shù)據(jù)挖掘技術(shù)、Horting圖等其它技術(shù)，重點(diǎn)討論了兩種信息過(guò)濾技術(shù)，即內(nèi)容過(guò)濾與合作過(guò)濾的涵義、各自的原理及算法分析，分別指出兩種推薦技術(shù)的優(yōu)點(diǎn)與不足之處，論述了在推薦電影、音樂(lè)等文化商品領(lǐng)域結(jié)合使用這兩種技術(shù)的思想，以此作為本文研究的基本出發(fā)點(diǎn)。
　　第三，針對(duì)數(shù)據(jù)稀疏性與推薦的

3、實(shí)時(shí)性的技術(shù)難題，本文在傳統(tǒng)的用戶合作過(guò)濾推薦的基礎(chǔ)上提出了基于興趣度向量模型的用戶合作推薦機(jī)制，以推薦電影項(xiàng)目為例講解了該算法的基本原理和實(shí)現(xiàn)過(guò)程，采用MovieLens網(wǎng)站上提供的研究數(shù)據(jù)進(jìn)行模擬推薦實(shí)驗(yàn)，經(jīng)過(guò)對(duì)平均絕對(duì)偏差的對(duì)比分析，基于興趣向量模型的推薦方法在一定程度上比傳統(tǒng)合作過(guò)濾算法有更高的推薦精度。
　　第四，在基于用戶興趣度模型的推薦方法基礎(chǔ)上，合理地利用了用戶的人口統(tǒng)計(jì)信息的參考價(jià)值，不僅使基于用戶興趣與合作的推