基于時(shí)間效應(yīng)的網(wǎng)上商場(chǎng)推薦系統(tǒng)研究與應(yīng)用

1、分類號(hào)：U D C ． 密級(jí)：學(xué)校代號(hào)：1 1 8 4 5學(xué)號(hào)：2 1 1 1 3 0 5 0 4 6廣東工業(yè)大學(xué)碩士學(xué)位論文( 工學(xué)碩士)基于時(shí)間效應(yīng)的網(wǎng)上商場(chǎng)推薦系統(tǒng)研究與應(yīng)用金雯婷指導(dǎo)教師姓名、職稱： 王勇副教授學(xué)科( 專業(yè)) 或領(lǐng)域名稱： 軟件工程學(xué)生所屬學(xué)院： 計(jì)算機(jī)學(xué)院論文答辯日期： 2 0 1 6 —0 5摘要摘要移動(dòng)電子商務(wù)應(yīng)用于商場(chǎng)購物之中可以給人們的購物帶來便利，但商場(chǎng)信息過載問題卻影響了人們快速且合適的選擇商品，推

2、薦系統(tǒng)的產(chǎn)生在一定程度上解決了此類問題。然而，用戶隨著時(shí)間發(fā)生的興趣轉(zhuǎn)移，對(duì)商品的動(dòng)態(tài)推薦產(chǎn)生了需求。本文提出了基于時(shí)間效應(yīng)的推薦系統(tǒng)，以根據(jù)時(shí)間變化動(dòng)態(tài)生成推薦商品，支持精準(zhǔn)營銷。本文在對(duì)個(gè)性化推薦技術(shù)及數(shù)據(jù)挖掘等相關(guān)理論進(jìn)行學(xué)習(xí)的基礎(chǔ)上，分析了時(shí)間因素對(duì)用戶興趣所造成的影響，著重對(duì)基于時(shí)間效應(yīng)的協(xié)同過濾推薦算法進(jìn)行了研究。協(xié)同過濾推薦算法是指為用戶推薦與其志趣相投的其他用戶感興趣的商品，本文基于時(shí)間效應(yīng)的協(xié)同過濾推薦算法首先考慮了不

3、同用戶對(duì)商品的不同評(píng)價(jià)標(biāo)準(zhǔn)，以及不同類別的商品被用戶評(píng)價(jià)也會(huì)有所差異的情況下，對(duì)商品評(píng)價(jià)進(jìn)行歸一化處理得到評(píng)價(jià)趨勢(shì)，修正了用戶對(duì)商品的評(píng)價(jià)矩陣，然后在艾賓浩斯遺忘曲線的啟發(fā)下，認(rèn)為人們對(duì)自己歷史購物行為的遺忘也是符合非線性遺忘的規(guī)律，引入評(píng)價(jià)影響時(shí)間窗的概念，即認(rèn)為用戶對(duì)商品評(píng)價(jià)信息的影響力在此時(shí)間段內(nèi)保持不變，然后通過添加時(shí)間窗這個(gè)參數(shù)對(duì)傳統(tǒng)的時(shí)間權(quán)重函數(shù)進(jìn)行了改進(jìn)，得到了新的時(shí)間加權(quán)函數(shù)，使得用戶對(duì)商品的評(píng)價(jià)更接近其對(duì)當(dāng)前推薦的實(shí)際

4、影響力，構(gòu)建了時(shí)f ．- J ) J D 權(quán)的商品評(píng)價(jià)矩陣，解決了用戶興趣隨時(shí)間遷移而發(fā)生改變的問題，接著改進(jìn)了傳統(tǒng)的相似用戶聚類算法，通過在計(jì)算用戶之間相似度的時(shí)候加入時(shí)間權(quán)重，將當(dāng)前興趣真正相似的用戶聚類，使得聚類更加準(zhǔn)確，并且在協(xié)同過濾之前構(gòu)造目標(biāo)用戶的最近鄰搜索候選集，使得本算法較為簡(jiǎn)單易計(jì)算，能夠較快地響應(yīng)用戶，再通過基于用戶的協(xié)同過濾算法，根據(jù)最近鄰用戶對(duì)商品的評(píng)價(jià)來計(jì)算目標(biāo)用戶對(duì)未評(píng)價(jià)商品的預(yù)測(cè)評(píng)價(jià)，而且在預(yù)測(cè)評(píng)價(jià)階段也采