基于位置服務(wù)的電子商務(wù)推薦算法研究.pdf

1、2012年第三季度末，我國智能手機(jī)使用者已達(dá)到3.89億，臺式電腦僅為3.81億，我國互聯(lián)網(wǎng)使用者的第一大獲取信息的平臺由臺式電腦轉(zhuǎn)變?yōu)橐苿?dòng)設(shè)備。當(dāng)前，基于位置的服務(wù)是移動(dòng)設(shè)備為使用者提供的重要服務(wù)之一，然而卻為信息超載問題所困擾;加之個(gè)性化推薦技術(shù)在移動(dòng)領(lǐng)域的研究并不多，而且很大一部分推薦算法的推薦效果并不理想。鑒于對此考慮，本文結(jié)合移動(dòng)領(lǐng)域的特點(diǎn)研究了傳統(tǒng)推薦技術(shù)的信息負(fù)載、推薦效果等領(lǐng)域后得出了在移動(dòng)領(lǐng)域內(nèi)推薦技術(shù)的研究成果。

2、r>　　首先，本文在移動(dòng)電子商務(wù)的“使用者-項(xiàng)目”模型（“U-I”模型）中引入了一個(gè)新維度——場景信息，提出了基于位置服務(wù)的電子商務(wù)“使用者-項(xiàng)目”模型——“位置-使用者-項(xiàng)目”模型（“L-U-I”模型）。“L-U-I”模型把場景信息作為第三維度，將傳統(tǒng)“U-I”模型從二維矩陣模型變換成三維立體模型，使用者在一定場景中對項(xiàng)目的傾向度都可由該三維立體模型中的一個(gè)點(diǎn)所表示。其次，本文在“L-U-I”模型基礎(chǔ)之上，依據(jù)混合推薦技術(shù)的思想提出了

3、結(jié)合場景相似度、使用者傾向度新的計(jì)算方法的推薦機(jī)制。該推薦機(jī)制大致是:計(jì)算使用者場景相似度并找出相似度最高場景中使用者所使用的項(xiàng)目;計(jì)算使用者關(guān)于這些項(xiàng)目的傾向度并進(jìn)行逆序排列，將前若干項(xiàng)推薦給使用者。最后，本文針對所提出的推薦算法的各項(xiàng)性能設(shè)計(jì)了一系列的實(shí)驗(yàn)——為滿足使用者不同的傾向度在模擬的多變的移動(dòng)場景中推薦適合的項(xiàng)目。
　　實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出的基于位置服務(wù)的電子商務(wù)推薦算法較好地解決了信息超載的問題且獲得了顯著的推薦效