个性化推荐式网上书店的研究与实现

发布时间：2020-09-17 13:47

　　随着计算机技术和安全性的提升,电子商务拓展到了军事、教育、医疗等领域,互联网上可供选择的商品数巨大。但是逐步扩大的互联网规模导致各大电子商务网站处理着大量的内容,并提供大量的结果来响应用户查询。导致用户无法过滤掉无关的商品信息,这给用户造成了信息过载的问题。商家逐渐意识到在当今瞬息万变的商业环境中,以最有效和最及时的方式满足客户需求是至关重要的。为了更快更准确的帮助用户找到符合他们兴趣的信息,推荐系统应运而生。推荐系统跟踪用户的浏览行为,并利用合适的推荐算法来预测用户感兴趣的商品。在推荐系统的研究中,推荐算法的确定和用户信息获取的准确性是研究的关键问题。为了跟随电子商务的潮流和趋势,本文在实际需求的情况下开发了个性化推荐式网上书店系统,实现了集个性化推荐与在线书城于一体的专业型电子商务网站。本文所做工作如下:1)研究推荐系统和Web开发所用到多种技术,首先从推荐系统的国内外相关技术得研究背景出发,对基于内容的过滤、基于内存的协同过滤、基于模型的协同过滤以及基于聚类的协同过滤推荐算法进行详细讲解;接着对系统开发所用到的Web开发技术和开发过程进行了详细阐述。2)针对协同过滤遇到的稀疏性问题,阐述了稀疏性问题的成因以及对推荐系统的影响,并利用评价指标对现有解决稀疏性的算法进行评测。3)对book-Crossing数据集的数据进行处理后,再利用准确率和召回率对协同过滤算法和基于k-means算法进行对比,来说明妥善处理完稀疏性后推荐性能更好。4)分析了个性化图书推荐系统的需求,从功能性和非功能性两个方面进行分析,从参与者的角度对系统进行设计并把系统划分为用户端模块、服务器模块以及数据库模块。最后就系统的实现过程进行详细介绍。本设计开发的个性化推荐式网上书店系统利用算法进行反复的实验,已经能够完成网上书店的所有基本功能,同时能够动态高效地推荐给用户感兴趣的图书项目。
【学位单位】：宁夏大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP391.3
【部分图文】：

推荐系统,用户信息,推荐算法,显式

逦模型逡逑图２－１推荐系统过程逡逑从图２－１可以看出推荐系统首先显式或隐式的获取用户信息、用户对产品的评级评价以及逡逑用户兴趣爱好等信息。然后根据获得的不稳定的用户数据，提炼出有价值的数据并建立用户模逡逑型，同时构建项目文件和项目的特征模型。推荐算法根据建立好的用户模型和项目文件，用特逡逑定的算法进行不断的训练后提供给用户特定的推荐。常见的推荐算法包括基于内容的推荐算法，逡逑协同过滤推荐算法以及混合推荐算法。这些推荐算法也己经成功的部署在商业环境中。推荐系逡逑统是否能准确的根据用户信息做出高质量推荐，关键取决于推荐算法。推荐系统数学模型为：逡逑逦表１推荐系统数学模型逦逡逑已知逡逑＊逦用户集合ｔ／；逡逑？逦推荐项目特征集合Ｔ；逡逑？邋Ｒ是用户对项目兴趣度的全序非负整数或实数集合；逡逑？逦效用函数ｕ（ｃ，ｔ）：ｔ／＊Ｔ—Ｒ度量活动用户ｃ对项目ｔ的感兴趣度；逡逑目标逡逑对于ＶｃｅＵ，确定使效用函数值最大的项目ｔｅＴ，即逡逑逦Ｖｃ邋ｅ邋Ｕ邋．邋ｔ邋＝邋ａｒｇ邋ｍａｘ邋ｕ（ｃ，ｔ）逦逡逑－６－逡逑

协同过滤,和项,特征向量,项目特征

然后在低维特征空间中给予坐标来对用户和项目两者进行编码。其中用户对项目的评价被逡逑建模为期望的用户和项目特征向量的内积。设表示用户特征矩阵，ｖ表示分别由用户和项目逡逑特征向量组成的项目特征矩阵。图２－３给出了基于模型的协同过滤的可视化计算，其中假设项逡逑目是图书，则ｄ是项目的数量。逡逑ｄ逦逦逦逦逦逡逑Ｕｓｅｒ邋Ｒ逦Ｉ邋＇邋－邋！邋Ｕ逦Ｓ３逦Ｖ逡逑Ｕｓｅｒ逦ｄ逡逑图２－３基于模型的协同过滤的可视化计算逡逑理想情况下打，；＝＆，＋，巧＞７／，＿／，根据损失函数最小化为均方根误差（７？从￡），逡逑ＲＭＳＥ＝邋Ｕ－＾ｉＰｖ．ｖ－ｒ＾）２逦ａｎ）逡逑Ｖ邋＾邋ｕ，ｖ逡逑其中的Ｐｗ，ｖ和？Ｖ分别是用户１１和项目Ｖ的预测评级和观察评级。预测公式为：逡逑ｐｉｊ邋＝邋｛Ｕｉ，Ｖｊ）逦（２．Ｓ）逡逑－１１－逡逑

聚类,方式,算法,准确性

逡逑从表３－７、图３－１和图３－２可以得出，■算法是提能供最合理分布的簇的算法。而Ｍｆｅ沿逡逑算法能保证簇近似均句分布但是不如准确度高。／ｚＭｅ沿有一个不平衡参数Ｌ／ｆｏ／ｆｌｃ／ｗ它逡逑会导致算法覆盖面高但分区不平均。在协同过滤系统中对数据集进行分区时，系统主要希望能逡逑减少稀疏性并提高预测的准确性。分区算法是最良好的聚类算法，生成的分逡逑区准确性和覆盖率均优于其他算法Ｉ３６３。将项目空间划分成许多较小的集群，每个分区逡逑单独的推荐计算将花费较少的时间来完成，同时由于每个分区独立于其他分区，所以每个分区逡逑的预测计算可以并行进行，从而进一步提高推荐的速率。逡逑ＭＡＥ逡逑１．１８逡逑１．１７逡逑１１６逦ＢＫ逡逑Ｗ邋１．１５逦■逦■逡逑Ｉ逦Ｉ逦Ｉ邋Ｉ邋■邋Ｉ逡逑／邋／邋／邋／邋／逡逑五种算法逡逑图３－１五种聚类方式ＭＡＥ对比逡逑－２０－逡逑

【参考文献】