基于用戶興趣與合作的個性化電子商務(wù)推薦系統(tǒng)研究.pdf

1、推薦系統(tǒng)作為電子商務(wù)網(wǎng)站的一種重要的營銷工具，使消費者在面對海量的商品信息時得到有價值的購買建議的同時，也提高了網(wǎng)站的銷售業(yè)績。隨著網(wǎng)絡(luò)與計算機技術(shù)的進步，電子商務(wù)推薦系統(tǒng)得到廣泛的研究與發(fā)展，服務(wù)越來越智能化、個性化。同時隨著電子商務(wù)規(guī)模的不斷擴大，推薦系統(tǒng)也面臨一系列挑戰(zhàn)，本文針對推薦系統(tǒng)的算法設(shè)計、體系結(jié)構(gòu)等關(guān)鍵技術(shù)進行了有益探索。
　　首先，介紹了電子商務(wù)推薦系統(tǒng)的基本理論，包括產(chǎn)生的背景、概念、作用、輸入輸出的表現(xiàn)形式，

2、及常用的推薦方法，并總結(jié)了推薦系統(tǒng)研究領(lǐng)域的熱點問題。
　　其次，本文還對推薦系統(tǒng)所使用的多種個性化的推薦技術(shù)進行了分類介紹，包括信息過濾技術(shù)、數(shù)據(jù)挖掘技術(shù)、Horting圖等其它技術(shù)，重點討論了兩種信息過濾技術(shù)，即內(nèi)容過濾與合作過濾的涵義、各自的原理及算法分析，分別指出兩種推薦技術(shù)的優(yōu)點與不足之處，論述了在推薦電影、音樂等文化商品領(lǐng)域結(jié)合使用這兩種技術(shù)的思想，以此作為本文研究的基本出發(fā)點。
　　第三，針對數(shù)據(jù)稀疏性與推薦的

3、實時性的技術(shù)難題，本文在傳統(tǒng)的用戶合作過濾推薦的基礎(chǔ)上提出了基于興趣度向量模型的用戶合作推薦機制，以推薦電影項目為例講解了該算法的基本原理和實現(xiàn)過程，采用MovieLens網(wǎng)站上提供的研究數(shù)據(jù)進行模擬推薦實驗，經(jīng)過對平均絕對偏差的對比分析，基于興趣向量模型的推薦方法在一定程度上比傳統(tǒng)合作過濾算法有更高的推薦精度。
　　第四，在基于用戶興趣度模型的推薦方法基礎(chǔ)上，合理地利用了用戶的人口統(tǒng)計信息的參考價值，不僅使基于用戶興趣與合作的推