基于ACP方法的智能电子商务推荐系统

发布时间：2017-05-27 17:13

  本文关键词：基于ACP方法的智能电子商务推荐系统，由笔耕文化传播整理发布。

【摘要】：电子商务正成为零售领域越来越重要的渠道。在如今的电子商务网站信息过载时代，用户迫切需要一种能够快速准确地找到自己需要的商品的方法。这样的需求使得推荐系统应运而生。为了提高交易额，，电子商务网站正努力开发更好的推荐系统以刺激用户产生更多的消费、提高对网站的忠诚度。 推荐方法主要分为基于内容的推荐、协同过滤推荐和混合推荐。传统的基于历史购买数据和评价数据的推荐方法具有良好的预测准确性，但随着电子商务网站数据规模的扩大，评价矩阵变得稀疏，推荐的准确性、效率都有所降低。本文的文献综述部分分析了理论研究中各种推荐方法的优劣势和适用条件。 考虑到传统方法的固有局限，本文提出了一种基于人工智能、计算实验和平行管理（ACP）理论的推荐方法。该方法利用多智能体仿真，建立了模拟真实电子商务系统的人工系统，通过对真实系统的观察，改变人工系统中智能体的属性和偏好设置，通过多目标决策优化得到智能体的购买结果，将其反馈在真实系统中作为推荐商品。本文第三到第五章分别介绍了该方法的建模过程、算法设计和实验平台设计。 基于ACP方法的智能推荐系统能够更加准确地模拟用户购买决策行为，动态跟踪用户的属性和偏好变化，同时，对外部事件和环境变化也会做出即时的响应。本文的数据测试和实验结果分析显示，这种方法在用户满意度方面显著优于传统方法，在响应速度方面也有良好的表现。 最后，我们总结了该方法的独特优势，并提出了未来的研究方向。
【关键词】：ACP方法 电子商务 推荐系统 多智能体仿真 多目标决策
【学位授予单位】：清华大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.3
【目录】：

• 摘要3-4
• Abstract4-9
• 第1章 引言9-12
• 1.1 电子商务及其发展9-10
• 1.2 电子商务中的推荐10-12
• 第2章 文献综述12-23
• 2.1 推荐系统简介12-14
• 2.1.1 推荐系统的起源12-13
• 2.1.2 推荐系统的构成13
• 2.1.3 推荐系统的目标13-14
• 2.1.4 对推荐系统的评价指标14
• 2.2 电子商务推荐方法——基于内容的推荐方法14-16
• 2.3 电子商务推荐方法——协同过滤算法16-18
• 2.3.1 协同过滤算法简介16-17
• 2.3.2 协同过滤算法中的相似性计算方法17-18
• 2.3.3 协同过滤算法的缺陷与改进18
• 2.4 电子商务推荐方法——混合方法18-19
• 2.4.1 融入基于内容方法的协同过滤算法18-19
• 2.4.2 其他混合推荐系统19
• 2.4.3 独立推荐系统的推荐结果相结合19
• 2.5 传统电子商务推荐方法小结19-20
• 2.6 ACP 方法概述20-21
• 2.6.1 计算实验20
• 2.6.2 人工系统20-21
• 2.6.3 平行系统21
• 2.7 基于智能体的建模与仿真方法21-22
• 2.8 本章小结22-23
• 第3章 基于 ACP 方法的建模与仿真23-34
• 3.1 ACP 体系框架23-25
• 3.1.1 平行系统框架23-24
• 3.1.2 人工系统中的购物逻辑24-25
• 3.2 数据库设计框架25-28
• 3.2.1 数据表关系框架25-26
• 3.2.2 各数据表简介26-28
• 3.3 实验整体流程框架28-29
• 3.3.1 用户信息的保存与载入28-29
• 3.3.2 用户浏览界面与仿真的触发29
• 3.3.3 仿真运行流程29
• 3.4 基于智能体的仿真与仿真软件介绍29-30
• 3.4.1 基于智能体的仿真29-30
• 3.4.2 仿真软件——Anylogic30
• 3.5 仿真程序运行流程30-32
• 3.5.1 仿真初始化30-31
• 3.5.2 近似邻居智能体的筛选31-32
• 3.5.3 计算购买动机32
• 3.5.4 完成计算实验，将推荐结果存储32
• 3.6 仿真界面32-33
• 3.7 本章小结33-34
• 第4章 购买决策与推荐算法设计34-43
• 4.1 购买动机综述34-36
• 4.1.1 确定性条件下的多目标决策问题34-36
• 4.1.2 实验中使用的购买动机公式36
• 4.2 价格敏感度36-37
• 4.2.1 价格敏感度分析36-37
• 4.2.2 价格敏感度公式37
• 4.3 质量敏感度37-39
• 4.3.1 质量敏感度分析37-38
• 4.3.2 质量敏感度公式38-39
• 4.4 易受他人影响程度39
• 4.5 标签系统39-41
• 4.5.1 标签系统与整体算法的组织39-40
• 4.5.2 标签系统的作用方式40-41
• 4.6 动态收入认定41-42
• 4.7 本章小结42-43
• 第5章 界面与实验平台设计43-48
• 5.1 注册界面43-44
• 5.2 登录界面44
• 5.3 商品浏览与详情界面44-47
• 5.4 购物车界面47
• 5.5 推荐与评价反馈页面47-48
• 第6章 算例测试与实验48-60
• 6.1 小规模算例测试48-51
• 6.1.1 测试用户样本48-49
• 6.1.2 推荐结果49
• 6.1.3 推荐结果分析——收入水平的影响49-50
• 6.1.4 推荐结果分析——标签的影响50-51
• 6.1.5 推荐结果分析——与外界环境或事件相关的推荐51
• 6.2 现场实验51-57
• 6.2.1 实验设计51-52
• 6.2.2 前期准备52-55
• 6.2.3 实验流程55
• 6.2.4 实验数据处理55
• 6.2.5 描述性统计55-56
• 6.2.6 按推荐类型区分的双样本 t 检验56
• 6.2.7 推荐结果的多样性分析56-57
• 6.3 推荐运行时间与商品数量关系57-59
• 6.3.1 算例测试软硬件配置情况57
• 6.3.2 算例测试数据处理57
• 6.3.3 得到推荐所需时间与商品数量关系图表57-59
• 6.3.4 得到推荐所需时间与商品数量关系算例分析59
• 6.4 本章小结59-60
• 第7章 结论与未来研究60-63
• 7.1 基于 ACP 方法的在线推荐系统的优势60-61
• 7.1.1 直接对人的行为的描述与刻画60
• 7.1.2 对人偏离绝对理性的描述60
• 7.1.3 对人的偏好改变和外界环境事件因素的响应60-61
• 7.1.4 强大的可扩展性61
• 7.2 未来研究方向61-63
• 参考文献63-66
• 致谢66-68
• 个人简历、在学期间发表的学术论文与研究成果68

【参考文献】

中国期刊全文数据库 前10条

1 王飞跃,史帝夫·兰森;从人工生命到人工社会——复杂社会系统研究的现状和展望[J];复杂系统与复杂性科学;2004年01期

2 王飞跃;人工社会、计算实验、平行系统——关于复杂社会经济系统计算研究的讨论[J];复杂系统与复杂性科学;2004年04期

3 王飞跃;曾大军;袁勇;;基于ACP方法的电子商务系统复杂性研究[J];复杂系统与复杂性科学;2008年03期

4 邢春晓;高凤荣;战思南;周立柱;;适应用户兴趣变化的协同过滤推荐算法[J];计算机研究与发展;2007年02期

5 李聪;梁昌勇;马丽;;基于领域最近邻的协同过滤推荐算法[J];计算机研究与发展;2008年09期

6 孟宪福;陈莉;;基于贝叶斯理论的协同过滤推荐算法[J];计算机应用;2009年10期

7 王飞跃;平行系统方法与复杂系统的管理和控制[J];控制与决策;2004年05期

8 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

9 宁滨;王飞跃;董海荣;李润梅;文丁;李莉;;基于ACP方法的城市轨道交通平行系统体系研究[J];交通运输系统工程与信息;2010年06期

10 王飞跃;关于复杂系统研究的计算理论与方法[J];中国基础科学;2004年05期

  本文关键词：基于ACP方法的智能电子商务推荐系统，由笔耕文化传播整理发布。

本文编号：400668