电子商务推荐系统中协调过滤算法的分析与研究
本文关键词：电子商务推荐系统中协调过滤算法的分析与研究，由笔耕文化传播整理发布。
【摘要】：随着互联网和计算机技术的高速发展,用户在结构复杂的电子商务网站中,经常会在大量的商品中迷失,无法寻到自己想要的商品。在这种情况下,电子商务个性化推荐系统就诞生了,个性化推荐系统根据用户的兴趣来过滤信息,并将用户喜欢和关注的信息回馈推荐给用户,帮助用户高效率地发掘对自己有价值的信息,其应用前景广泛,受到学术界和商业的广泛关注。但是目前的个性化推荐技术还远没有成熟,存在着很多亟待解决的问题,例如自身数据稀疏度问题、用户自身兴趣变化等问题。 目前个性化推荐系统中应用最为广泛和最为成功的技术是协同过滤技术,协同过滤的基本思想是：为用户找到喜欢和关注的商品,首先需要找与这个用户行为和口味相近的用户,然后将相近用户喜欢的物品推荐给目标用户。一般采用最近邻居计算方法,利用用户的历史记录来计算之间的相关距离,然后根据最近相邻用户的评分来推测目标用户对这类商品及相似商品的感兴趣程度,使得个性化推荐系统能根据用户的感兴趣程度为用户进行个性化的推荐。 论文对个性化推荐系统进行了深入研究,从各个方面讨论了个性化推荐系统的基本原则、流程以及通用的推荐系统体系结构,并对当前协同过滤个性化推荐技术进行了研究,分析了基于用户的协同过滤算法和基于项目的协同过滤算法的实现,并对传统协同过滤算法中影响推荐质量的问题进行了深入探讨。 论文使用了组合推荐方法对传统协同过滤算法进行改进,并给出了仿真实验。实验表明,传统协同过滤算法在准确性和适应性等方面都远远比不上使用了组合推荐的改进算法,特别是在数据集合非常稀疏的情况下,改进算法体现了优良的性能和普遍的适应性。
【关键词】：电子商务 协同过滤 组合推荐
【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TP391.3
【目录】：
- 摘要3-4
- Abstract4-6
- 目录6-8
- 1 绪论8-13
- 1.1 课题背景与国内外发展现状8-12
- 1.1.1 课题背景8-9
- 1.1.2 国内外发展现状9-12
- 1.2 研究内容12
- 1.3 本文结构12
- 1.4 本章小节12-13
- 2 电子商务推荐系统13-22
- 2.1 电子商务简介13-14
- 2.2 电子商务推荐系统14-17
- 2.3 电子商务个性化技术17-21
- 2.4 本章小节21-22
- 3 协同过滤技术22-29
- 3.1 协同过滤技术的实现22-24
- 3.2 协同过滤技术24-28
- 3.2.1 基于用户的协同过滤24-26
- 3.2.2 基于项目的协同过滤推荐算法26-28
- 3.3 协同过滤存在的问题28
- 3.3.1 数据稀疏性问题28
- 3.3.2 算法的可扩展性问题28
- 3.4 本章小节28-29
- 4 基于差值的协同过滤组合推荐技术29-35
- 4.1 组合推荐技术29-31
- 4.1.1 组合推荐的优势29-30
- 4.1.2 组合推荐的方法30-31
- 4.2 基于差值的协同过滤组合推荐技术31-33
- 4.2.1 改进算法的提出31
- 4.2.2 算法模型的建立31-33
- 4.3 算法说明33-34
- 4.4 本章小节34-35
- 5 实验设计与结果分析35-39
- 5.1 实验数据35
- 5.2 实验评估标准35-36
- 5.3 实验仿真36-38
- 5.3.1 实验方案36
- 5.3.2 实验结果与分析36-38
- 5.4 本章小节38-39
- 6 结论与展望39-41
- 致谢41-42
- 参考文献42-44
【相似文献】
中国期刊全文数据库 前10条
1 杨东风;;基于多兴趣度的图书借阅推荐系统研究与设计[J];信息技术;2011年07期
2 赵宏霞;杨皎平;万君;;考虑时间和价格因素的Web客户需求协同推荐模型[J];计算机系统应用;2011年08期
3 孙丽梅;李晶皎;孙焕良;;基于动态k近邻的SlopeOne协同过滤推荐算法[J];计算机科学与探索;2011年09期
4 赵宏霞;王新海;杨皎平;;基于Web客户因子分析的协同推荐算法[J];计算机应用研究;2011年07期
5 赵宏霞;王新海;杨皎平;;基于项目因子分析的Web客户需求协同推荐算法[J];计算机系统应用;2011年07期
6 傅鹤岗;李冉;;基于用户实时反馈的协同过滤算法[J];计算机应用;2011年07期
7 吴小琴;;移动图书点评推荐系统的构想[J];通信企业管理;2011年09期
8 陈志敏;李志强;;基于用户特征和项目属性的协同过滤推荐算法[J];计算机应用;2011年07期
9 谭龙江;张宽海;王征;;基于需求线索的电子商务推荐系统[J];计算机应用与软件;2011年07期
10 张圣;;一种混合式协作过滤服务推荐算法[J];通信技术;2011年07期
中国重要会议论文全文数据库 前10条
1 谢科;刘奕群;岑荣伟;马少平;茹立云;杨磊;;基于维基百科层次分类框架的主题推荐系统的研究[A];中国计算语言学研究前沿进展（2009-2011）[C];2011年
2 赵勇;高凤荣;邢春晓;;基于用户权威的协作过滤算法[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年
3 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年
4 王茜;张卫星;;基于分类树相似度加权的协同过滤算法[A];2008年计算机应用技术交流会论文集[C];2008年
5 曾春;周立柱;邢春晓;;基于近邻法的协作过滤算法的改进[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年
6 何发镁;冯勇;许榕生;王旭仁;;推荐系统安全问题研究综述[A];第13届全国计算机、网络在现代科学技术领域的应用学术会议论文集[C];2007年
7 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年
8 靳绍聪;王建民;闻立杰;曹大海;;一种基于推荐系统的工作流资源分配机制[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年
9 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年
10 李丹丹;;基于遗传模糊聚类的电子商务推荐算法[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（上册）[C];2008年
中国重要报纸全文数据库 前10条
1 本报记者 冯卫东;网络导购：找出你的最爱[N];科技日报;2007年
2 林嘉澍;从搜索到发现[N];经济观察报;2007年
3 饶宇锋;微软策动互联网跨越搜索时代[N];财经时报;2007年
4 熊明华;九江人才市场打造就业“助推器”[N];中国人事报;2006年
5 镡立勇;2007年度省科技奖推荐工作启动[N];河北经济日报;2007年
6 本报记者 何小龙;委员履职：量化打分[N];江淮时报;2006年
7 薛求知;我们需要准确地理解西点军校[N];上海证券报;2007年
8 CPW华南区记者 伍羡妮;开放平台 移动商务乍现商机[N];电脑商报;2003年
9 记者 温跃邋通讯员 朱锋 朱沙;农行山东省分行与省教育厅全面合作[N];金融时报;2007年
10 人造天堂;论语的长尾营销[N];21世纪经济报道;2007年
中国博士学位论文全文数据库 前10条
1 张亮;推荐系统中协同过滤算法若干问题的研究[D];北京邮电大学;2009年
2 李涛;推荐系统中若干关键问题研究[D];南京航空航天大学;2009年
3 任磊;推荐系统关键技术研究[D];华东师范大学;2012年
4 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年
5 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年
6 张寅;个性化技术及其在数字图书馆中应用的研究[D];浙江大学;2009年
7 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年
8 张富国;基于信任的电子商务个性化推荐关键问题研究[D];江西财经大学;2009年
9 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
10 史e，
本文编号：478392
本文链接：https://www.wllwen.com/jingjilunwen/dianzishangwulunwen/478392.html
