基于人工免疫算法的电子商务推荐系统的研究

发布时间：2017-05-06 18:05

  本文关键词：基于人工免疫算法的电子商务推荐系统的研究，由笔耕文化传播整理发布。

【摘要】：随着市场经济结构的调整,电子商务相关政策的完善以及物流、信用、电子支付等支撑体系的不断优化,消费者对电子商务的需求将会更加强烈,运用电子商务的意识会越来越强。未来电子商务将会遍及生产、流通、消费等社会生活的各个领域。电子商务服务业群正在逐步形成,这将会成为未来国民经济新的增长点。统计数据表明自2005年以来,我国电子商务市场交易额稳定增长,未来3年,我国电子商务投资市场将迎来发展的新高潮。在这种环境下,大多电子商务网站都使用了推荐系统来推广业务。推荐系统逐渐成为电子商务中的重要研究内容。 伴随着电子商务规模的扩大,推荐系统面临着一系列的挑战。信息数量的急速增长影响了推荐系统推荐的效率。协同过滤是推荐系统中应用最为广泛的个性化推荐技术,但是其自身存在稀疏性、冷启动以及可扩展性等问题,影响了推荐系统的质量。 本文对电子商务推荐系统中使用的推荐技术进行了探索和研究,提出了基于免疫机理的推荐算法,主要是借鉴了自然免疫系统的免疫学习、克隆选择和自适应等特性。首先把免疫网络中的初始抗体通过聚类划分为不同的簇,然后基于自适应的aiNet算法对聚类中心进行克隆、变异等,从而获得优秀的邻居用户集。抗体的克隆分化机制能够降低数据的稀疏性,网络抑制能提高扩展性,避免算法陷入局部最优点。与协同过滤算法相比,该算法对用户兴趣的预测更加客观、准确,能够提高系统推荐的质量。最后通过实验验证了该算法在电子商务使用中的可行性和有效性。 本文所做的工作以及创新点主要包括以下几个方面: (1)基于人工免疫与自适应aiNet的协同过滤算法 本文借鉴抗原和抗体,抗体与抗体之间相互作用以及抗体的克隆变异等原理,将自适应aiNet思想引入协同过滤算法中的邻居用户集的选择中,提高了最近邻居集合选取的准确性。 (2)基于聚类免疫的最相似邻居推荐算法 将聚类技术K-means算法引入到推荐算法中,对网络中注册的用户基于兴趣进行分类。再结合人工免疫的思想,利用聚类免疫方法确定最相似的邻居用户。 (3)基于免疫思想的用户评分计算 将免疫的思想加入到目标用户兴趣度的预测中,通过邻居用户的浓度影响目标用户预测商品的评分。
【关键词】：电子商务 推荐系统 协同过滤 人工免疫系统 聚类
【学位授予单位】：山东师范大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TP181
【目录】：

• 摘要7-9
• ABSTRACT9-11
• 第一章 绪论11-16
• 1.1 研究背景11-12
• 1.2 国内外研究现状12-13
• 1.3 研究目标与论文结构13-16
• 1.3.1 研究意义13-14
• 1.3.2 本文的主要工作14
• 1.3.3 本文的组织结构14-16
• 第二章 电子商务推荐系统综述16-25
• 2.1 电子商务简介16
• 2.2 推荐系统简介16-25
• 2.2.1 推荐系统概念16-17
• 2.2.2 推荐系统构成17-18
• 2.2.3 推荐系统分类18-19
• 2.2.4 推荐技术概述19-22
• 2.2.5 推荐系统的作用22-23
• 2.2.6 推荐系统研究现状23-25
• 第三章 协同过滤算法分析25-32
• 3.1 协同过滤技术概述25-26
• 3.2 协同过滤算法步骤26-30
• 3.2.1 协同过滤算法描述26
• 3.2.2 协同过滤推荐流程26-30
• 3.3 协同过滤算法分析30-32
• 3.3.1 协同过滤算法的挑战30
• 3.3.2 现有的改进方法30-32
• 第四章 人工免疫算法综述32-43
• 4.1 人工免疫理论介绍32-36
• 4.1.1 生物免疫系统32-33
• 4.1.2 人工免疫算法的基本框架33-34
• 4.1.3 人工免疫网络的应用34-36
• 4.2 人工免疫系统问题描述36-41
• 4.2.1 推荐问题的形态空间模型36-37
• 4.2.2 最近邻的选择37-38
• 4.2.3 人工免疫算法38-41
• 4.3 人工免疫算法的实现步骤41-43
• 4.3.1 检索最近邻41-42
• 4.3.2 计算用户对评价项的预测值42
• 4.3.3 产生Top-N 推荐42-43
• 第五章 基于人工免疫算法的电子商务推荐系统43-58
• 5.1 电子商务推荐系统分析43
• 5.2 基于自适应aiNet 的推荐算法43-47
• 5.2.1 自适应aiNet 算法原理43-44
• 5.2.2 基于自适应aiNet 算法流程44-46
• 5.2.3 算法分析46-47
• 5.3 基于聚类免疫的电子商务推荐系统47-52
• 5.3.1 聚类算法概述47
• 5.3.2 聚类免疫算法流程47-52
• 5.3.3 算法分析52
• 5.4 实验设计与结果分析52-58
• 5.4.1 实验数据集52-53
• 5.4.2 实验环境53
• 5.4.3 度量标准53-54
• 5.4.4 评估矩阵的构建54
• 5.4.5 实验结果与分析54-58
• 第六章 总结与展望58-60
• 6.1 工作总结58
• 6.2 工作展望58-60
• 参考文献60-65
• 致谢65-66
• 攻读硕士学位期间发表的论文及参与的项目66

【参考文献】

中国期刊全文数据库 前10条

1 梁雪芳;别荣芳;段季芳;付增梅;;基于人工免疫网络的k-平均聚类算法的研究[J];北京师范大学学报(自然科学版);2009年02期

2 徐小琳,阙喜戎,程时端;信息过滤技术和个性化信息服务[J];计算机工程与应用;2003年09期

3 王太雷;个性化推荐系统中相似模式聚类研究[J];计算机工程;2005年10期

4 余力,刘鲁;电子商务个性化推荐研究[J];计算机集成制造系统;2004年10期

5 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

6 邬依林;李中华;毛宗源;;自适应人工免疫算法在数据挖掘中的应用[J];计算机应用;2006年08期

7 左兴权,李士勇,李远贵;人工免疫系统研究的新进展[J];计算机自动测量与控制;2002年11期

8 梁鸿生,郝勇娜,王凯,柴继河;免疫算法[J];昆明理工大学学报(理工版);2003年05期

9 蔡自兴,龚涛;免疫算法研究的进展[J];控制与决策;2004年08期

10 谷源涛,唐昆,崔慧娟,杜文;新的变步长归一化最小均方算法[J];清华大学学报(自然科学版);2002年01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

中国硕士学位论文全文数据库 前2条

1 周洋;个性化推荐系统推荐引擎原型系统研究[D];对外经济贸易大学;2007年

2 冯超;K-means聚类算法的研究[D];大连理工大学;2007年

  本文关键词：基于人工免疫算法的电子商务推荐系统的研究，，由笔耕文化传播整理发布。

本文编号：348863