电子商务个性化推荐系统中协同过滤算法的研究与应用

发布时间：2017-11-22 12:11

  本文关键词：电子商务个性化推荐系统中协同过滤算法的研究与应用

  更多相关文章： 推荐系统 协同过滤 稀疏性 填充

【摘要】：随着网络技术的发展和不断完善,电子商务已经覆盖了整个营销网络,成为一种新的商务通信通道,为了使用户得到更好的购买体验,个性化的推荐系统渐渐兴起。个性化推荐系统对网站的历史记录进行分析,挖掘用户兴趣,预测并推荐用户可能感兴趣的商品。协同过滤技术是个性化推荐系统中较常用的推荐技术,但是随着个性化推荐系统的发展及应用,该技术存在的稀疏性、冷启动、可扩展性等问题日益成为推荐的瓶颈。 经过深入的研究和分析,本文对传统的协同过滤算法进行了改进。改进的方法是首先在概念分层技术的基础上,采用项目评分度等概念,对用户-项目评分矩阵进行缩减,构建用户-项目评分候选集,提高推荐算法的可扩展性；其次引入“项目客观特征偏向”和“兴趣偏向度”概念,并对稀疏的用户-项目评分候选集进行更加合理的填充,以缓解数据稀疏性和冷启动问题带来的影响；最后在预测项目评分时,使用用户对一类项目的评分平均值来度量用户的评分习惯,提出基于项目类评分尺度的推荐公式,以提高预测准确性。 经过实验及各评价规则上的测试分析,改进的协同过滤算法较传统协同过滤算法有更佳的推荐效果。最后本文选择了电子商务个性化推荐系统的典型案例——图书推荐系统进行开发和实现,将改进的协同过滤算法应用到图书推荐服务中,进一步核准了此算法的实用性。
【学位授予单位】：南昌大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP391.3;TP301.6

【参考文献】

中国期刊全文数据库 前10条

1 徐莉;;结合人口分类特征知识的协同过滤算法[J];安徽科技学院学报;2007年02期

2 傅鹤岗;王竹伟;;对基于项目的协同过滤推荐系统的改进[J];重庆理工大学学报(自然科学版);2010年09期

3 吴婷;熊前兴;贺曦春;;基于用户特征和用户兴趣变化的协同过滤推荐[J];电脑知识与技术;2008年34期

4 张其文;李明;;一种缺失数据的填补方法[J];兰州理工大学学报;2006年02期

5 周军锋,汤显,郭景峰;一种优化的协同过滤推荐算法[J];计算机研究与发展;2004年10期

6 张锋;常会友;;使用BP神经网络缓解协同过滤推荐算法的稀疏性问题[J];计算机研究与发展;2006年04期

7 孟宪福;陈莉;;基于贝叶斯理论的协同过滤推荐算法[J];计算机应用;2009年10期

8 曾小波;魏祖宽;金在弘;;协同过滤系统的矩阵稀疏性问题的研究[J];计算机应用;2010年04期

9 李大学;谢名亮;赵学斌;;基于朴素贝叶斯方法的协同过滤推荐算法[J];计算机应用;2010年06期

10 张海燕,丁峰,姜丽红;基于模糊聚类的协同过滤推荐方法[J];计算机仿真;2005年08期

中国重要会议论文全文数据库 前1条

1 徐仔波;陈文超;高静怀;;基于独立成分分析的改进SVD算法研究[A];中国地球物理学会第二十四届年会论文集[C];2008年

中国博士学位论文全文数据库 前2条

1 孙小华;协同过滤系统的稀疏性与冷启动问题研究[D];浙江大学;2005年

2 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年

中国硕士学位论文全文数据库 前3条

1 黄合鑫;电子商务协同过滤算法的研究与实现[D];北京交通大学;2011年

2 荆玲;基于遗传算法的实时个性化推荐研究[D];重庆大学;2003年

3 曾小波;基于协同过滤的推荐系统的研究[D];电子科技大学;2010年

，

本文编号：1214646