基于項(xiàng)目類別相似性與用戶多興趣的個(gè)性化推薦算法的研究.pdf

1、隨著互聯(lián)網(wǎng)的普及和電子商務(wù)的發(fā)展，電子商務(wù)系統(tǒng)在為用戶提供越來越多選擇的同時(shí)，其結(jié)構(gòu)也變得更加復(fù)雜，用戶經(jīng)常會(huì)迷失在大量的商品信息空間中，無法順利找到自己需要的商品。電子商務(wù)推薦系統(tǒng)直接與用戶交互，模擬商店銷售人員向用戶提供商品推薦，幫助用戶找到所需商品，從而順利完成購買過程。在日趨激烈的競(jìng)爭(zhēng)環(huán)境下，電子商務(wù)推薦系統(tǒng)能有效保留用戶、防止用戶流失，提高電子商務(wù)系統(tǒng)的銷售。 電子商務(wù)推薦系統(tǒng)在理論和實(shí)踐上都得到了很大發(fā)展，特別是推薦

2、方法的研究是其核心部分，采用哪種推薦方法對(duì)于推薦系統(tǒng)的效果和效率至關(guān)重要。推薦方法包括:知識(shí)工程、基于內(nèi)容的推薦方法、協(xié)同過濾推薦方法、混合推薦方法、數(shù)據(jù)挖掘方法。目前協(xié)同過濾方法是最成功的推薦方法。電子商務(wù)系統(tǒng)規(guī)模的日益擴(kuò)大，協(xié)同過濾推薦方法也面臨諸多挑戰(zhàn):推薦質(zhì)量、擴(kuò)展性、數(shù)據(jù)稀疏性、冷啟動(dòng)問題等等。本文對(duì)電子商務(wù)推薦系統(tǒng)中推薦算法設(shè)計(jì)進(jìn)行了有益的探索和研究。本文的研究?jī)?nèi)容主要包括電子商務(wù)推薦算法推薦質(zhì)量和“冷啟動(dòng)”研究。

3、本文的主要研究成果如下: 1.提出了一種基于項(xiàng)目類別屬性的項(xiàng)目相似性計(jì)算方法，因?yàn)樵诖笮碗娮由虅?wù)系統(tǒng)中，用戶評(píng)分?jǐn)?shù)據(jù)極端稀疏，傳統(tǒng)的相似性度量方法是在整個(gè)用戶空間上度量項(xiàng)目之間的相似性，沒有考慮項(xiàng)目所屬類別對(duì)項(xiàng)目相似性的影響，因而計(jì)算結(jié)果不夠準(zhǔn)確，本文提出的類別相似性度量算法首先運(yùn)用模糊聚類技術(shù)對(duì)用戶進(jìn)行聚類，將單個(gè)用戶對(duì)項(xiàng)目的評(píng)分轉(zhuǎn)化為用戶相似群體對(duì)項(xiàng)目的評(píng)分，構(gòu)造密集的用戶模糊簇一項(xiàng)目的評(píng)分矩陣，并結(jié)合項(xiàng)目自身的類別屬性特征

4、對(duì)項(xiàng)目相似性計(jì)算的影響最終完成項(xiàng)目相似性的計(jì)算，將結(jié)果保存在數(shù)據(jù)庫中，這一步可采用離線周期的進(jìn)行，不會(huì)影響推薦系統(tǒng)的實(shí)時(shí)性，實(shí)驗(yàn)結(jié)果表明，項(xiàng)目類別屬性對(duì)相似性準(zhǔn)確度的計(jì)算有很大的影響。 2.對(duì)用戶最近鄰居的搜索方法進(jìn)行了改進(jìn)，首先采用新型的項(xiàng)目相似性計(jì)算方法，利用Item-Based協(xié)同過濾推薦算法，對(duì)目標(biāo)用戶未評(píng)分的項(xiàng)目進(jìn)行初步預(yù)測(cè)評(píng)分，以降低數(shù)據(jù)的稀疏性，提高用戶評(píng)分矩陣的數(shù)據(jù)密度；另外考慮到用戶本身存在多興趣的問題，因此在