基于用戶行為的個(gè)性化推薦算法研究.pdf

1、網(wǎng)絡(luò)給人們生活帶來(lái)了極大便利，越來(lái)越多的消費(fèi)者開(kāi)始傾向于網(wǎng)絡(luò)購(gòu)物，網(wǎng)絡(luò)購(gòu)物的優(yōu)勢(shì)很多，首先，具有選擇多樣性，其次，就是操作簡(jiǎn)單，最重要的是時(shí)間成本比較低，減少了顧客的出行時(shí)間。然而，傳統(tǒng)的電子商務(wù)平臺(tái)，也存在著一些不足，由于商品的種類過(guò)于豐富，顧客要找到自己稱心如意的商品并不是一件易事。即陷入所謂的“信息過(guò)載”問(wèn)題。
　　為了對(duì)客戶有針對(duì)性地進(jìn)行推薦，提高商品銷量，個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生。基于用戶評(píng)分的顯式反饋的推薦算法目前得到了

2、比較廣泛的研究，而基于用戶的歷史行為數(shù)據(jù)，比如用戶停留在商品頁(yè)面的時(shí)間，瀏覽次數(shù)，加入購(gòu)物車等等行為，這些都屬于隱式反饋，本文研究的主要內(nèi)容便是根據(jù)用戶的隱式反饋信息設(shè)計(jì)對(duì)客戶進(jìn)行有效推薦的個(gè)性化算法。
　　本文首先介紹了一些個(gè)性化推薦系統(tǒng)中的經(jīng)典算法，包括基于內(nèi)容的推薦，協(xié)同過(guò)濾推薦以及混合推薦策略等。然后針對(duì)電子商務(wù)領(lǐng)域，考慮包含時(shí)間信息的用戶行為數(shù)據(jù)，主要是“點(diǎn)擊、收藏、加入購(gòu)物車、購(gòu)買”四種行為，按照時(shí)間分段統(tǒng)計(jì)出各種行為

3、發(fā)生的次數(shù)，組成時(shí)間序列，從中提取出特征，并以此作為邏輯回歸模型的輸入?yún)?shù)，得到一個(gè)概率矩陣，此時(shí)再將得到的概率矩陣作為評(píng)分，利用協(xié)同過(guò)濾的推薦策略向用戶進(jìn)行商品推薦。傳統(tǒng)的協(xié)同過(guò)濾方法往往忽略了用戶或產(chǎn)品的消費(fèi)時(shí)間這一因素，本文采用考慮包含時(shí)間影響的時(shí)序行為，可以使得個(gè)性化推薦的結(jié)果更加合理。
　　實(shí)驗(yàn)采用的是天貓用戶某一年四個(gè)月內(nèi)的用戶行為數(shù)據(jù)，實(shí)驗(yàn)表明，考慮行為序列結(jié)合協(xié)同過(guò)濾的推薦策略具有比較理想的推薦效果，同時(shí)解決了隱式