基于間接不確定數(shù)據(jù)的個性化推薦技術(shù)研究.pdf

1、隨著電子商務(wù)站點(diǎn)中客戶及項(xiàng)目數(shù)量的迅速增加致使產(chǎn)生大量的客戶、項(xiàng)目元數(shù)據(jù)及客戶-項(xiàng)目交易數(shù)據(jù)，而這些數(shù)據(jù)常常是不確定的，嚴(yán)重影響了個性化推薦質(zhì)量的提高和客戶滿意度的增加。因此對電子商務(wù)網(wǎng)站中的不確定數(shù)據(jù)研究有重要的理論意義和現(xiàn)實(shí)意義。
　　首先，介紹了電子商務(wù)、個性化推薦技術(shù)及不確定數(shù)據(jù)等內(nèi)容。為了研究電子商務(wù)中的不確定數(shù)據(jù)，對其進(jìn)行歸納、總結(jié)和分類，將不確定數(shù)據(jù)分為直接不確定數(shù)據(jù)與間接不確定數(shù)據(jù)，并對各種不確定數(shù)據(jù)產(chǎn)生的原因進(jìn)行

2、了分析。
　　其次，詳細(xì)分析了電子商務(wù)站點(diǎn)中客戶-項(xiàng)目評分缺失在實(shí)施個性化推薦過程中的重要性。通過對這類不確定數(shù)據(jù)統(tǒng)計分析，以及已有方法在評分預(yù)測中只考慮單一評分因素的問題，提出了一種依據(jù)用戶對商品的評分變量服從正態(tài)分布的客戶-項(xiàng)目缺失評分補(bǔ)齊模型(UIRCBTRV)。在此基礎(chǔ)上，設(shè)計了一種基于二維正態(tài)分布的評分補(bǔ)齊算法(UITFRC)，并對算法的補(bǔ)齊準(zhǔn)確性及推薦質(zhì)量進(jìn)行分析。
　　第三，現(xiàn)存的個性化推薦系統(tǒng)大多是粗粒度模式

3、，其結(jié)果主要以項(xiàng)目集合與客戶集合為目標(biāo)的多對多推薦，是一種不精確的個性化推薦。為此，本文建立了細(xì)粒度推薦模型(FGRM)，設(shè)計了一種細(xì)粒度推薦算法(FGRA)，從而提高了推薦質(zhì)量。
　　最后，對提出的模型與算法進(jìn)行了實(shí)驗(yàn)檢驗(yàn)。實(shí)驗(yàn)結(jié)果表明，在提出的兩種模型基礎(chǔ)上，評分補(bǔ)齊算法(UITRC)與細(xì)粒度推薦算法(FGRA)很好地符合缺失評分的分布規(guī)律及精確推薦預(yù)期結(jié)果。通過與已有算法的比較，本文的模型與算法有效地提高了推薦系統(tǒng)的推薦質(zhì)量