基于协同过滤算法的电子商务推荐系统研究

发布时间：2017-04-08 14:12

  本文关键词：基于协同过滤算法的电子商务推荐系统研究，由笔耕文化传播整理发布。

【摘要】：随着电子商务的发展和互联网“信息过载”问题的加剧,电商企业如何满足消费者对信息精准化和个性化的需求,使得用户在海量的信息中只需较低的成本,就能得到自己需要的商品或者信息,提高消费者的体验以及满意程度,对传统电商而言尤为重要。随着移动互联网的发展,推荐算法面临着新的挑战,移动电商对其精确性和针对性提出了更高的要求,在新的形势下,信息的推荐就变得更为专业和复杂。 基本的推荐技术有两种：基于内容的推荐和协同过滤推荐。两者有各有优点和不足：基于内容的推荐是从项目的角度出发,通过分析用户访问过的项目特征,然后将与这些项目相似的用户未访问的项目推荐给用户,其缺点是忽略了用户的潜在兴趣；与之不同的是,协同过滤从用户的角度出发,通过分析用户的相似性,然后将相似用户的喜欢的项目推荐给活动用户,但是协同过滤本身存在着数据稀疏、冷启动等问题。 个性化推荐系统通过对用户信息进行分析,向用户推荐可能感兴趣的商品,从而在一定程度上缓解信息过载的问题,帮助用户在大量的信息中寻找到满足自己个性需求的信息。随着移动终端的大范围普及和移动互联网技术的不断进步,消费者接受信息的方式从传统PC向手机或者平板等移动终端转移。在移动互联网的环境中,终端从PC变为了更为个性化的手机等,对推荐的个性化和精准性就提出了更高的要求。 本文在对这两种技术的推荐原理详细分析的基础上,总结分析基于内容的推荐和协同过滤两种推荐技术的优势,提出了基于内容的用户偏好模型,在用户和评分数据较少的情况下,提高了协同过滤的效率,实现了较为准确的推荐。 本文采用Netflix数据集和Taste推荐引擎,对提出的模型进行了有效性验证。最后本文将推荐系统应用到手机电子优惠券软件中,实现了优惠券的推荐。
【关键词】：电子商务 协同过滤 混合推荐 Taste引擎
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP391.3
【目录】：

• 摘要3-5
• ABSTRACT5-10
• 第一章 绪论10-16
• 1.1 研究背景及意义10-12
• 1.2 国内外研究现状12-14
• 1.3 本文主要研究内容14-15
• 1.4 本文章节安排15-16
• 第二章 电子商务个性化推荐系统介绍16-28
• 2.1 电子商务推荐系统概述16-17
• 2.2 推荐系统的工作原理17-21
• 2.3 电子商务推荐系统相关技术21-23
• 2.4 电子商务推荐系统的应用23-26
• 2.5 推荐系统存在的问题26-27
• 2.6 本章小结27-28
• 第三章 推荐算法介绍28-42
• 3.1 基于内容的推荐技术28-33
• 3.1.1 基于内容的推荐过程29-32
• 3.1.2 基于内容的推荐的优缺点32-33
• 3.2 协同过滤推荐技术33-40
• 3.2.1 基于用户的推荐技术35-37
• 3.2.2 基于项目的推荐技术37-39
• 3.2.3 协同过滤推荐技术面临的问题39-40
• 3.3 混合的推荐技术40-41
• 3.4 本章小结41-42
• 第四章 基于内容的用户偏好模型42-52
• 4.1 基于内容的用户偏好模型42-45
• 4.1.1 模型的提出42-43
• 4.1.2 用户模型43-44
• 4.1.3 用户模型之间的相似性44-45
• 4.2 实验设计45-47
• 4.2.1 实验环境和数据集45
• 4.2.2 实验方法设计45-46
• 4.2.3 误差说明46-47
• 4.3 推荐算法的评价标准47-49
• 4.3.1 推荐系统输出结果的的准确性47-48
• 4.3.2 推荐系统分类的准确性48-49
• 4.4 实验结果及分析49-50
• 4.5 本章小结50-52
• 第五章 基于内容的用户偏好模型的应用52-64
• 5.1 电子优惠券推荐模块需求分析52
• 5.2 电子优惠券推荐模块的实现52-58
• 5.2.1 Taste推荐引擎52-53
• 5.2.2 数据表示53-57
• 5.2.3 产生推荐57-58
• 5.3 基于内容的用户偏好模型的实现58-63
• 5.4 本章小结63-64
• 第六章 总结与展望64-66
• 6.1 本文内容总结64
• 6.2 本文创新点总结64-65
• 6.3 研究展望65-66
• 参考文献66-70
• 致谢70-72
• 攻读学位期间发表的学术论文目录72

【参考文献】

中国期刊全文数据库 前9条

1 刘丽娟;;电子优惠券初探[J];经营管理者;2009年12期

2 李忠俊;周启海;帅青红;;一种基于内容和协同过滤同构化整合的推荐系统模型[J];计算机科学;2009年12期

3 曾艳,麦永浩;基于内容预测和项目评分的协同过滤推荐[J];计算机应用;2004年01期

4 曾春,邢春晓,周立柱;个性化服务技术综述[J];软件学报;2002年10期

5 许海玲;吴潇;李晓东;阎保平;;互联网推荐系统比较研究[J];软件学报;2009年02期

6 王洋;骆力明;;一种解决协同过滤数据稀疏性问题的方法[J];首都师范大学学报(自然科学版);2012年04期

7 王巍;;结合用户偏好迁移的复合推荐方法[J];计算机工程与设计;2010年14期

8 冯克鹏;;基于数据挖掘的个性化高校选课推荐算法研究[J];数字技术与应用;2012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

  本文关键词：基于协同过滤算法的电子商务推荐系统研究，由笔耕文化传播整理发布。

，

本文编号：293019