面向電子商務的個性化推薦技術(shù)研究.pdf

1、隨著Internet的迅速發(fā)展，電子商務蓬勃興起。電子商務站點在為用戶提供越來越多選擇的同時，其結(jié)構(gòu)也變得更加復雜，電子商務的發(fā)展面臨了新的挑戰(zhàn)：一方面，用戶對站點提供的眾多產(chǎn)品信息并非完全感興趣，通常需要經(jīng)過多次瀏覽才能找到滿足自己需求的產(chǎn)品：另一方面，站點沒有了解用戶的個人需求，提供給用戶的是千篇一律的界面，無法有效地提高其產(chǎn)品的吸引力，維護穩(wěn)定的客戶關(guān)系。向用戶進行個性化的產(chǎn)品推薦是解決這個挑戰(zhàn)的最有效的方法。協(xié)同過濾是目前在電子

2、商務推薦系統(tǒng)中應用較為成功的個性化推薦技術(shù)。但是隨著站點結(jié)構(gòu)、內(nèi)容的復雜度和用戶人數(shù)的不斷增加，協(xié)同過濾算法也遇到了數(shù)據(jù)稀疏性、冷啟動等種種問題。 本課題針對傳統(tǒng)協(xié)同過濾的不足，提出了一種結(jié)合用戶日志聚類和協(xié)同過濾的個性化推薦技術(shù)。該技術(shù)充分挖掘用戶的信息，結(jié)合用戶隱性興趣和顯性興趣，推薦結(jié)果更符合用戶需求。首先基于用戶瀏覽電子商務站點的日志信息，使用聚類算法將用戶歸類。然后，在協(xié)同過濾過程中，利用用戶的潛在偏好代替用戶顯性評分

3、，從而消除用戶評分習慣的影響。最后，在用戶日志聚類結(jié)果的基礎(chǔ)上，使用基于用戶的潛在偏好協(xié)同過濾，從而使得用戶的數(shù)據(jù)稀疏性問題、冷啟動問題得到緩解，提高了推薦的質(zhì)量。在具體的研究過程中，本論文所作的主要工作如下： (1)用戶日志聚類。先將原始的用戶Web日志進行數(shù)據(jù)預處理，根據(jù)需要將其轉(zhuǎn)換成適合進行分析處理的有意義的數(shù)據(jù)，然后使用聚類算法把有相似瀏覽行為的用戶聚成一類，為下文的最近鄰尋找工作奠定基礎(chǔ)。 (2)基于用戶潛在偏

4、好的協(xié)同過濾。為了避免用戶評分習慣不一致，相似興趣的用戶可能會有不同的表面評分的問題，本論文將用戶的表面評分轉(zhuǎn)換成用戶潛在偏好，計算用戶的潛在偏好相似性，使得最近鄰的形成更為準確。 (3)結(jié)合用戶日志聚類和協(xié)同過濾的推薦技術(shù)。這種混合的推薦技術(shù)可以先離線的對用戶進行了一次聚類，在進行協(xié)同過濾時能有效的降低用戶稀疏性，提高推薦系統(tǒng)的推薦速度和質(zhì)量。并且這種推薦技術(shù)還可以針對評分較少甚至沒有評分的用戶進行推薦，在一定程度上彌補了傳統(tǒng)