电子商务个性化推荐系统研究

发布时间：2017-03-23 03:14

  本文关键词：电子商务个性化推荐系统研究，由笔耕文化传播整理发布。

【摘要】：Web2.0时代，电子商务得到飞速的发展。但是随着电子商务发展不可避免的带来了“信息超载”问题，解决这一问题的方法就是使用个性化推荐系统。电子商务个性化推荐系统（Personalized Recommendation Systems for E-Commerce）是利用电子商务网站向客户提供信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。优质的个性化推荐系统带来了巨大的经济价值和社会价值的同时，也能提高电子商务网站在当今激烈的市场竞争环境下的存活能力。 本文详细介绍了个性化推荐系统中常用的几种推荐算法如：协同过滤推荐算法、基于内容的推荐算法、基于网格的推荐算法等，并一一介绍和分析它们的优缺点，其中协同过滤推荐算法是当今存在最久且使用最广的推荐算法。针对传统的协同过滤推荐算法中存在的问题：相似性计算中并没有考虑单个用户兴趣点之间的差异、用户间共同评分项目过少对相似性计算结果带来的偏差以及新项目问题，提出了相应的改进算法。在改进的协同过滤算法中，使用在一定程度上反映出单个用户兴趣点差异的项目相关性去修正Pearson系数，然后将这个修正的Pearson系数与用户共同评分的条件概率进行相乘，得到最终的相似性结果。对于新项目问题，在基于项目的协同过滤推荐算法基础上通过项目相关性的计算来修正原来的基于项目的协同过滤推荐算法对于新项目无法获取最邻项目集这一问题。然后在MovieLens数据集中验证这个改进的协同过滤算法和新项目问题解决方案，通过与传统的协同过滤推荐算法比较精确度得出了改进的协同过滤推荐算法的确提高了推荐结果的精度，此外，通过计算新项目问题的解决方案在MovieLens数据集中的MAE值得出该解决方案能在一定程度上解决新项目问题，从而得出本文提出的该解决方案是有效、可行的。 最后将这个改进的协同过滤推荐算法使用在一个团购平台项目中，介绍了相应的推荐模块的设计和实现，最终达到实用的目的。
【关键词】：个性化推荐系统 协同过滤 相似性计算 兴趣点差异 新项目问题
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP391.3
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-16
• 1.1 选题背景和意义10-11
• 1.2 国内外研究现状11-14
• 1.2.1 协同过滤系统的国外研究现状12-13
• 1.2.2 协同过滤系统的国内研究现状13-14
• 1.3 研究内容与论文结构14-15
• 1.4 创新之处15
• 1.5 本章小结15-16
• 第二章 电子商务个性化推荐系统16-29
• 2.1 电子商务个性化推荐系统的概论16-19
• 2.1.1 个性化服务17
• 2.1.2 推荐算法17-18
• 2.1.3 电子商务个性化推荐系统的意义18-19
• 2.2 电子商务个性化推荐系统的架构19-21
• 2.2.1 输入模块20
• 2.2.2 输出模块20-21
• 2.2.3 推荐算法模块21
• 2.3 电子商务个性化推荐系统的分类21-26
• 2.3.1 协同过滤推荐系统21
• 2.3.2 基于内容的推荐系统21-23
• 2.3.3 混合推荐系统23-24
• 2.3.3.1 基于推荐结果的混合推荐技术24
• 2.3.3.2 基于推荐算法的混合推荐技术24
• 2.3.4 基于网络结构的推荐系统24-25
• 2.3.5 其他推荐系统25-26
• 2.3.6 总结26
• 2.4 电子商务个性化推荐系统的评价指标26-28
• 2.4.1 精确度27-28
• 2.4.2 用户满意度28
• 2.5 本章小结28-29
• 第三章 协同过滤推荐算法的研究29-45
• 3.1 协同过滤算法的概论29-33
• 3.1.1 用户评估矩阵30-31
• 3.1.2 相似性计算31-32
• 3.1.3 预测打分32-33
• 3.2 协同过滤算法的分类33-38
• 3.2.1 基于记忆的协同过滤推荐算法34-37
• 3.2.1.1 基于用户的协同过滤推荐算法35-36
• 3.2.1.2 基于项目的协同过滤推荐算法36-37
• 3.2.2 基于模型的协同过滤推荐算法37-38
• 3.3 协同过滤算法的问题分析38-44
• 3.3.1 稀疏性问题38-40
• 3.3.2 冷启动问题40-42
• 3.3.3 安全性问题42-43
• 3.3.4 其它问题43-44
• 3.4 本章小结44-45
• 第四章 团购系统的设计与实现45-62
• 4.1 项目需求分析45-52
• 4.1.1 团购平台子系统46-51
• 4.1.2 积分客户端51-52
• 4.2 团购平台子系统的设计52-56
• 4.2.1 数据层53-55
• 4.2.2 业务层55-56
• 4.2.3 表现层56
• 4.3 团购平台子系统的实现56-61
• 4.4 本章小结61-62
• 第五章 推荐子系统的设计与实现62-77
• 5.1 改进的协同过滤推荐算法62-67
• 5.1.1 用户评估矩阵的改进62-63
• 5.1.2 相似性计算改进63-65
• 5.1.3 新项目问题的研究65-67
• 5.2 推荐子系统的实现67-71
• 5.3 实验分析71-76
• 5.3.1 实验数据和环境71-72
• 5.3.2 实验方案72-73
• 5.3.3 实验结果分析73-76
• 5.4 本章小结76-77
• 第六章 总结和展望77-79
• 致谢79-80
• 参考文献80-83

【参考文献】

中国期刊全文数据库 前2条

1 赵亮,胡乃静,张守志;个性化推荐算法设计[J];计算机研究与发展;2002年08期

2 刘建国;周涛;汪秉宏;;个性化推荐系统的研究进展[J];自然科学进展;2009年01期

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

  本文关键词：电子商务个性化推荐系统研究，，由笔耕文化传播整理发布。

本文编号：262803