电子商务推荐系统中用户聚类问题与用户兴趣变化问题研究

发布时间：2017-05-02 00:02

  本文关键词：电子商务推荐系统中用户聚类问题与用户兴趣变化问题研究，，由笔耕文化传播整理发布。

【摘要】：协同过滤推荐技术是推荐系统中应用最广泛的一种技术,然而随着系统规模的逐步扩大,该技术使推荐系统的实时性与推荐精确性面临极大的挑战。针对实时性问题,基于K-Means用户聚类的协同过滤技术将算法分为离线和在线两个部分,离线部分将用户进行K-Means聚类形成簇,在线部分寻找用户所在簇并进行推荐。该方法使系统的实时性得到改善,但是本身却存在缺陷:算法需要初始划分并且初始划分的优劣直接决定聚类结果的好坏,另外算法聚类结果存在局部最优性,而这些缺陷势必影响算法的性能。于是,为了克服这些问题,本文提出了使用AntClass蚁群算法对用户进行聚类,该算法不仅不需要任何初始信息,而且算法参数设置简单,所以规避了算法本身的复杂性,使聚类过程更符合实际应用情况,聚类结果更合理。 系统规模扩大给系统带来的另一个问题是用户的兴趣爱好可能会随着时间推移而发生变化。如果像传统协同过滤推荐技术那样使用所有历史评分数据,可能会影响推荐的质量,因为用户在很久之前的评分可能不再具有预测价值。针对这个问题,本文提出了将系统中的评分数据看成数据流,利用金字塔时间框架存储方式对其进行数据筛选,从而使历史信息中离当前时间越远的数据利用率越低,离当前时间越近的数据利用率越高。 综上所述,本文针对系统中的数据流利用金字塔时间框架进行存储,再利用AntClass蚁群算法对用户进行聚类,形成基于AntStream用户聚类的协同过滤推荐系统。通过对比性实验证明,该算法能在保证实时性的基础上,明显的提高推荐质量。
【关键词】：电子商务 推荐系统 协同过滤 蚁群聚类 金字塔时间框架
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：F724.6;F224
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-14
• 1.1 研究背景与意义9-10
• 1.2 推荐系统的研究热点10-12
• 1.2.1 数据稀疏性问题10
• 1.2.2 推荐精确性问题10-11
• 1.2.3 推荐实时性问题11
• 1.2.4 算法的评价准则问题11
• 1.2.5 基于tag 的推荐系统11
• 1.2.6 系统安全性问题11-12
• 1.3 论文研究对象与所做工作12-13
• 1.4 论文结构安排13
• 1.5 小结13-14
• 第2章 电子商务推荐系统及相关技术14-24
• 2.1 推荐系统中的推荐问题14-15
• 2.2 推荐系统中的推荐技术15-22
• 2.2.1 基于内容的推荐15-17
• 2.2.2 协同过滤推荐17-20
• 2.2.3 基于人口统计的推荐20
• 2.2.4 基于知识的推荐20-21
• 2.2.5 混合方法21-22
• 2.3 基于K-Means 用户聚类的协同过滤技术22-23
• 2.4 小结23-24
• 第3章 蚁群聚类与金字塔时间框架相关技术24-29
• 3.1 蚁群聚类相关技术24-25
• 3.2 金字塔时间框架相关技术25-28
• 3.2.1 金字塔时间框架的来源25-26
• 3.2.2 金字塔时间框架的原理26-27
• 3.2.3 金字塔时间框架举例说明27-28
• 3.3 小结28-29
• 第4章 基于 AntStream 用户聚类的协同过滤技术29-39
• 4.1 AntStream 算法初始化部分29-31
• 4.1.1 问题描述29-30
• 4.1.2 问题处理30
• 4.1.3 实施步骤30-31
• 4.2 AntStream 算法离线部分31-38
• 4.2.1 AntClass 蚁群聚类算法中的基本概念31-33
• 4.2.2 AntClass 蚁群聚类算法的步骤33-37
• 4.2.3 计算相似度37-38
• 4.3 AntStream 算法在线部分38
• 4.4 小结38-39
• 第5章 实验设计及结果分析39-45
• 5.1 数据集39-40
• 5.2 度量标准40
• 5.3 实验过程40-42
• 5.4 实验结果及其分析42-44
• 5.4.1 精确性检验42-43
• 5.4.2 实时性检验43-44
• 5.5 小结44-45
• 第6章 结束语45-47
• 6.1 本文工作45
• 6.2 后续工作45-47
• 参考文献47-50
• 致谢50-51
• 攻读硕士学位期间发表的学术论文51

【引证文献】

中国硕士学位论文全文数据库 前1条

1 沈键;电子商务的个性化协同过滤推荐算法研究[D];上海交通大学;2013年

  本文关键词：电子商务推荐系统中用户聚类问题与用户兴趣变化问题研究，由笔耕文化传播整理发布。

本文编号：339865