协同过滤推荐模型及其在汽车电子商务中的应用研究

发布时间：2017-04-06 16:10

  本文关键词：协同过滤推荐模型及其在汽车电子商务中的应用研究，由笔耕文化传播整理发布。

【摘要】： 随着Internet和信息技术的飞速发展,电子商务个性化推荐作为一种崭新的智能信息服务方式,针对不同的用户,通过对用户个性、习惯、偏好的分析,准确地向用户提供感兴趣的信息和服务,满足用户对于个性化产品需求的同时,提高了企业的竞争能力,得到了广泛重视。 在大众消费能力逐渐提高、选择产品变得更为精细的今天,汽车作为日常生活中越来越普及的交通工具,人们对其个性化的需求越来越大。由于汽车配置属性参数繁多,其用户群体更需要个性化推荐服务帮助其进行购买决策,个性化推荐系统成为解决这一问题的有效工具。 本文在借鉴国内外研究成果的基础上,通过分析汽车电子商务的特点,对协同过滤推荐算法及其在汽车电子商务中的应用进行了研究,主要工作包括： (1)分别从汽车销售商和用户的角度,分析汽车电子商务个性化推荐服务的重要性,并对电子商务个性化推荐系统的组成结构和整体框架,以及主要的推荐技术进行了比较、分析。 (2)针对传统协同过滤推荐算法评分数据稀疏性和冷开始问题,采用基于属性值偏好矩阵的协同过滤算法,通过对矩阵的降维以及构建属性值偏好矩阵进行相似性度量,有效缓解稀疏性；同时建立用户反馈机制,降低冷启动问题的发生概率。 (3)将上述协同过滤算法应用到汽车电子商务的个性化推荐服务中,构造了汽车电子商务推荐系统模型,设计开发了原型系统,提供了实际应用的基础。
【关键词】：电子商务 个性化推荐系统 协同过滤算法 属性值偏好分析
【学位授予单位】：天津师范大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F713.36;F416.471;F224
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 引言9-16
• 1.1 研究背景及研究意义9-10
• 1.1.1 研究背景9-10
• 1.1.2 研究意义10
• 1.2 国内外研究进展及动态10-15
• 1.2.1 汽车电子商务的发展现状10-12
• 1.2.2 推荐技术的研究现状12-14
• 1.2.3 协同过滤技术的研究现状14-15
• 1.3 创新之处与文章的结构安排15-16
• 第二章 电子商务个性化推荐系统16-26
• 2.1 电子商务个性化推荐系统综述16-21
• 2.1.1 电子商务个性化推荐系统概念16-17
• 2.1.2 电子商务个性化推荐系统的作用17
• 2.1.3 电子商务个性化推荐系统构成17-18
• 2.1.4 电子商务个性化推荐系统的分类18-20
• 2.1.5 电子商务个性化推荐系统的整体框架20-21
• 2.2 电子商务个性化推荐系统的相关技术21-23
• 2.2.1 协同过滤推荐21
• 2.2.2 基于规则的推荐21-22
• 2.2.3 基于内容的推荐22
• 2.2.4 基于用户人口统计信息的推荐22-23
• 2.2.5 基于效用的推荐23
• 2.2.6 基于知识的推荐23
• 2.3 各种推荐技术特点比较23-26
• 第三章 协同过滤推荐系统26-34
• 3.1 协同过滤的概念26
• 3.2 协同过滤系统的原理26-29
• 3.2.1 协同过滤推荐系统的数据输入与输出28
• 3.2.2 协同过滤推荐系统的输出28-29
• 3.3 协同过滤算法29-34
• 3.3.1 User-based协同过滤推荐算法29-32
• 3.3.2 Item-based协同过滤推荐算法32-34
• 第四章 基于属性值偏好矩阵的协同过滤算法在汽车电子商务中的应用34-45
• 4.1 传统协同过滤推荐算法存在的主要问题34-35
• 4.1.1 评分数据的稀疏性(Sparsity)问题34
• 4.1.2 冷开始(Cold-start)问题34-35
• 4.2 基于属性值偏好矩阵的协同过滤算法35-38
• 4.2.1 算法提出的原因35-36
• 4.2.2 算法的基本思路36-37
• 4.2.3 缓解数据稀疏性和冷开始问题的方法37-38
• 4.3 改进算法在汽车电子商务推荐模型中的应用38-45
• 4.3.1 汽车信息模型39-40
• 4.3.2 用户信息模型40
• 4.3.3 数据处理40-41
• 4.3.4 推荐过程41-45
• 第五章 汽车电子商务个性化推荐系统的设计45-59
• 5.1 应用背景及系统设计思路45-46
• 5.1.1 应用背景45-46
• 5.1.2 系统的设计思路46
• 5.2 推荐系统的模型构建46-49
• 5.2.1 推荐功能概述47
• 5.2.2 系统模块划分47-49
• 5.3 数据管理49-51
• 5.3.1 用户信息数据库50
• 5.3.2 汽车信息数据库50-51
• 5.3.3 评分数据库51
• 5.4 推荐系统的设计51-54
• 5.5 属性值偏好矩阵的部分代码54-57
• 5.6 推荐系统功能示例57-59
• 第六章 结论与展望59-61
• 6.1 本文主要内容的总结59
• 6.2 未来展望59-61
• 参考文献61-64
• 致谢64-65
• 攻读硕士学位期间发表的论文65

【参考文献】

中国期刊全文数据库 前9条

1 王卫平;吴伦;;协同过滤在CRM交叉销售中的应用研究[J];管理学报;2007年04期

2 黎星星,黄小琴,朱庆生;电子商务推荐系统研究[J];计算机工程与科学;2004年05期

3 赵立江,何钦铭;一种个性化Web推荐系统的研究与实现[J];武汉理工大学学报(交通科学与工程版);2004年05期

4 陈小华;赵捧未;;基于关联规则的个性化信息检索系统研究[J];情报科学;2006年06期

5 冯翱,刘斌,卢增祥,路海明,王普,李衍达;Open Bookmark——基于Agent的信息过滤系统[J];清华大学学报(自然科学版);2001年03期

6 何军,周明天;信息网络中的信息过滤技术[J];系统工程与电子技术;2001年11期

7 杨乔林;Internet上的电子商务[J];计算机系统应用;1998年11期

8 黄巧莉,刘胜,刘飞;网络化销售和定制个性化信息推荐系统研究及应用[J];现代制造工程;2005年08期

9 邓爱林,左子叶,朱扬勇;基于项目聚类的协同过滤推荐算法[J];小型微型计算机系统;2004年09期

中国博士学位论文全文数据库 前1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

  本文关键词：协同过滤推荐模型及其在汽车电子商务中的应用研究，由笔耕文化传播整理发布。

，

本文编号：289188