XX公司手機(jī)閱讀產(chǎn)品中個(gè)性化推薦方法研究.pdf

1、在當(dāng)今信息泛濫的時(shí)代，個(gè)性化營(yíng)銷的出現(xiàn)極大方便了人們的生活，改變了人們的習(xí)慣。以用戶為中心的個(gè)性化產(chǎn)品越來(lái)越多，個(gè)性化資訊、個(gè)性化音樂、個(gè)性化電子書、個(gè)性化產(chǎn)品、個(gè)性化推薦技術(shù)也隨之成為了當(dāng)前的研究熱點(diǎn)，同時(shí)隨著手機(jī)特別是智能手機(jī)的迅猛發(fā)展，智能手機(jī)的閱讀數(shù)量呈現(xiàn)級(jí)數(shù)增長(zhǎng)，用戶迫切需要一種能夠根據(jù)自身特點(diǎn)組織和調(diào)整信息的服務(wù)模式，個(gè)性化服務(wù)應(yīng)運(yùn)而生，那么個(gè)性化服務(wù)顯得越來(lái)越重要，本文研究了手機(jī)閱讀個(gè)性化系統(tǒng)及主要的推薦技術(shù)，通過對(duì)XX公

2、司手機(jī)閱讀個(gè)性化產(chǎn)品中個(gè)性化推薦方法的研究，提出根據(jù)用戶的消費(fèi)行為和協(xié)同過濾算法對(duì)手機(jī)閱讀個(gè)性化進(jìn)行研究。
　　本文首先對(duì)XX公司目前個(gè)性推薦系統(tǒng)Slope One進(jìn)行深入剖析，提出存在的問題：分析用戶偏好的數(shù)據(jù)源是用戶的瀏覽日志，不能有效的把高價(jià)值用戶挖掘出來(lái)，而且在線處理大量數(shù)據(jù)，效率較低，沒有考慮用戶價(jià)值的差異，推薦方式比較單一。
　　針對(duì)存在的問題，本文對(duì)個(gè)性化推薦方法中的協(xié)同過濾算法進(jìn)行了詳細(xì)分析，首先對(duì)主流的個(gè)性

3、化推薦技術(shù)進(jìn)行綜述，其次提出在用戶行為模式下手機(jī)閱讀個(gè)性化推薦的方法，引入用戶關(guān)系管理領(lǐng)域的RFM模型和數(shù)據(jù)挖掘領(lǐng)域的聚類技術(shù)，提出新的推薦模型。根據(jù)用戶的行為把用戶分成瀏覽用戶和消費(fèi)用戶，設(shè)計(jì)基于RFM模型的K-均值聚類處理方法，通過用戶的歷史消費(fèi)記錄分析用戶的消費(fèi)偏好，把用戶的瀏覽和消費(fèi)行為轉(zhuǎn)化成對(duì)書籍的興趣評(píng)價(jià)上，在用戶-書籍評(píng)分?jǐn)?shù)據(jù)庫(kù)的基礎(chǔ)上，通過RFM和協(xié)同過濾策略將各種推薦算法有層次的融合在一起，達(dá)到更好的推薦效果。