基于用戶動(dòng)態(tài)偏好的電子商務(wù)個(gè)性化推薦系統(tǒng)研究.pdf

1、隨著電子商務(wù)的快速發(fā)展，人們?cè)絹?lái)越習(xí)慣于使用電子商務(wù)網(wǎng)站來(lái)購(gòu)買(mǎi)商品。然而，電子商務(wù)網(wǎng)站上信息過(guò)載問(wèn)題的加劇，使購(gòu)買(mǎi)者面對(duì)海量商品很難快捷地做出決策，雖然目前已存在較多的推薦系統(tǒng)可以幫助用戶篩選出他們需要的一些商品，但是，隨著時(shí)間的推移，如何準(zhǔn)確把握用戶偏好的動(dòng)態(tài)變化進(jìn)一步提高電子商務(wù)個(gè)性化推薦的準(zhǔn)確性，仍然是一個(gè)值得深入研究的問(wèn)題。本文的主要研究工作有以下幾點(diǎn)：
　?。?）基于用戶偏好隨時(shí)間的變化表現(xiàn)的規(guī)律對(duì)用戶的動(dòng)態(tài)偏好進(jìn)行建模

2、，將用戶的動(dòng)態(tài)偏好一分為二地進(jìn)行研究，分別建立了基于層次向量空間的長(zhǎng)期偏好模型、結(jié)合時(shí)間因素的短期偏好模型。在建立長(zhǎng)期偏好模型時(shí)，根據(jù)用戶長(zhǎng)期偏好具有穩(wěn)定性地特征，對(duì)用戶的歷史購(gòu)物記錄進(jìn)行統(tǒng)計(jì)篩選，以用戶經(jīng)常購(gòu)買(mǎi)的商品類(lèi)別為分類(lèi)主題計(jì)算每個(gè)類(lèi)別的所占的權(quán)重值，并定義了興趣度的新的計(jì)算方法；在建立用戶短期偏好時(shí)，利用時(shí)間序列模型分析用戶的購(gòu)物周期，根據(jù)用戶的購(gòu)物周期將研究的一段時(shí)間進(jìn)行時(shí)間切片，引入用戶動(dòng)態(tài)偏好變化率表示用戶的短期偏好與時(shí)

3、間之間的關(guān)系。通過(guò)收集的數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)驗(yàn)證，結(jié)果表明本文建立的模型在表示用戶動(dòng)態(tài)偏好時(shí)具有可行性。
　?。?）根據(jù)用戶短期偏好與長(zhǎng)期偏好的特點(diǎn)分別制定了不同的推薦策略。針對(duì)長(zhǎng)期偏好推薦時(shí)，采用了基于用戶興趣度的推薦和基于用戶聚類(lèi)的協(xié)同過(guò)濾推薦相結(jié)合方式生成推薦結(jié)果；針對(duì)短期偏好進(jìn)行推薦時(shí)，在傳統(tǒng)推薦模型中增加時(shí)間維度，引入張量分解技術(shù)對(duì)用戶-商品-時(shí)間組成的三維向量進(jìn)行分解，運(yùn)用隨機(jī)梯度下降法對(duì)模型進(jìn)行最優(yōu)求解，從而生成對(duì)應(yīng)當(dāng)前時(shí)

4、間切片的推薦項(xiàng)。運(yùn)用以上兩種推薦方式組成的混合式推薦方法為用戶生成個(gè)性化推薦結(jié)果。運(yùn)用收集的數(shù)據(jù)進(jìn)行了對(duì)比實(shí)驗(yàn)，結(jié)果證明了本文混合式推薦算法優(yōu)于傳統(tǒng)的協(xié)同過(guò)濾推薦算法，在推薦的準(zhǔn)確度及推薦多樣性都具有良好效果。
　　（3）在用戶動(dòng)態(tài)偏好建模及混合式推薦算法的研究基礎(chǔ)上，設(shè)計(jì)了一個(gè)應(yīng)用于日常零售場(chǎng)景的電子商務(wù)個(gè)性化推薦系統(tǒng)原型，給出了系統(tǒng)的架構(gòu)設(shè)計(jì)及系統(tǒng)的推薦功能實(shí)現(xiàn)，根據(jù)從該電子商務(wù)網(wǎng)站收集的數(shù)據(jù)建立推薦系統(tǒng)的數(shù)據(jù)庫(kù)，為已注冊(cè)的用