電子商務(wù)個性化推薦系統(tǒng)中協(xié)同過濾技術(shù)及應(yīng)用研究.pdf

1、互聯(lián)網(wǎng)的普及和電子商務(wù)的迅速發(fā)展造成了信息的過載，用戶在大量的產(chǎn)品信息中難以找到需要的商品，因此電子商務(wù)推薦系統(tǒng)應(yīng)運而生。但當前的電子商務(wù)推薦系統(tǒng)在實際運用中還相當不成熟，仍然存在許多問題，如推薦質(zhì)量受到稀疏的用戶評價數(shù)據(jù)的嚴重影響，系統(tǒng)的可擴展性能差，推薦缺乏多樣性無法涵蓋用戶的完整興趣等。論文針對這些當前推薦系統(tǒng)中存在的主要問題，對電子商務(wù)個性化推薦系統(tǒng)中的推薦策略和推薦算法等關(guān)鍵技術(shù)進行了有益的探索和研究。 在推薦策略研究

2、方面，論文分析了當前的電子商務(wù)系統(tǒng)在不同場合不同情況下所需使用的不同類型的推薦策略。針對銷售頻繁購買商品的電子商務(wù)系統(tǒng)，分析了此類系統(tǒng)的推薦需求，提出了應(yīng)用于此類電子商務(wù)系統(tǒng)的具體推薦策略，即產(chǎn)生滿足推薦準確性和新穎性的主top-N推薦列表，產(chǎn)生滿足推薦完整性和多樣性的副top-N推薦列表，產(chǎn)生增加新商品受關(guān)注力度的新加入商品列表，產(chǎn)生最近最暢銷商品排行榜。 在推薦算法設(shè)計方面，論文研究了當前個性化推薦的主流技術(shù)——協(xié)同過濾。對

3、該算法中影響推薦質(zhì)量的稀疏性問題和影響用戶滿意度的推薦完整性問題進行了深入分析，引入了“概念分層”和“社區(qū)過濾”技術(shù)對協(xié)同過濾算法進行改進，設(shè)計出了能夠?qū)崿F(xiàn)論文所提出的推薦策略的改進算法。針對協(xié)同過濾算法中的稀疏性問題，論文利用“概念分層”的思想，建立起基于項目種類概念層次樹的用戶興趣模型來發(fā)現(xiàn)項目間隱含的聯(lián)系，以緩解用戶一項目評估矩陣中用戶評價數(shù)據(jù)的稀疏程度，幫助用戶找到準確的鄰居得到更準確的推薦。針對算法中存在的推薦完整性問題，論文