基于协同过滤技术的电子商务推荐系统的研究与实现

发布时间：2017-07-16 14:28

  本文关键词：基于协同过滤技术的电子商务推荐系统的研究与实现

  更多相关文章： 电子商务 推荐系统 协同过滤 稀疏性

【摘要】：随着互联网的快速发展,网上购物已逐渐成为人们的消费行为之一。然而,随着电子商务网站中商品数量和规模的急剧膨胀,面对海量数据,客户经常无法及时找到自己满意的商品。为了让客户能够快速轻松地找到自己需求的商品,电子商务网站为客户提供实时的个性化推荐显得尤为重要,不仅能增加商品的销售量,还能提高客户对网站的忠诚度。 本文从介绍电子商务个性化推荐系统的基本概况着手,对电子商务推荐系统的总体框架、推荐流程、结构以及分类等作出了阐述。然后,本文对个性化推荐技术进行了探讨,详细介绍了协同过滤技术的概念,重点分析了协同过滤技术的原理、推荐处理过程以及协同过滤算法中的相似度计算方法,同时对协同过滤技术的优点和存在的不足进行了描述。 本文对如何提高推荐质量进行了深入的研究,从协同过滤技术存在的不足入手,介绍了解决协同过滤技术中数据稀疏性和冷启动问题的常用方法,并提出了自己的研究方案,对如何有效缓解数据稀疏性和冷启动带来的问题进行了详细分析,同时利用相关数据集进行了实验测试,证明了方案的可行性。 在对基于协同过滤技术的推荐系统进行深入研究的基础上,本文构建了一个基于协同过滤技术的推荐引擎,详细阐述了推荐引擎的构建流程和方法,并进行了数据集的测试。最后,本文将构建的推荐引擎应用到了一个电子商务电影推荐系统上,实现了在线、实时的个性化推荐功能。
【关键词】：电子商务 推荐系统 协同过滤 稀疏性
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP393.09
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 课题研究背景及意义10-11
• 1.2 国内外研究现状11-13
• 1.2.1 国外研究现状11-12
• 1.2.2 国内研究现状12-13
• 1.3 论文的主要研究内容13
• 1.4 论文的组织结构13-15
• 第2章 电子商务个性化推荐系统15-22
• 2.1 个性化推荐系统概述15-19
• 2.1.1 个性化推荐系统的基本概念15
• 2.1.2 个性化推荐系统的框架15-17
• 2.1.3 个性化推荐系统的推荐流程17
• 2.1.4 个性化推荐系统的结构17-19
• 2.2 推荐系统的分类19-21
• 2.2.1 非个性化推荐系统19
• 2.2.2 个性化推荐系统19-21
• 2.3 本章小结21-22
• 第3章 电子商务个性化推荐技术22-33
• 3.1 集体智慧22-23
• 3.1.1 集体智慧的基本概念22
• 3.1.2 集体智慧的类型22-23
• 3.2 协同过滤技术23-30
• 3.2.1 协同过滤技术的基本概念23
• 3.2.2 协同过滤技术原理23-25
• 3.2.3 协同过滤技术处理过程25-26
• 3.2.4 相似度计算26-29
• 3.2.5 协同过滤技术的优点与不足29-30
• 3.3 其他推荐技术介绍30-32
• 3.3.1 基于内容的推荐31
• 3.3.2 基于关联规则的推荐31
• 3.3.3 基于效用的推荐31-32
• 3.3.4 基于知识的推荐32
• 3.3.5 组合推荐32
• 3.4 本章小结32-33
• 第4章 提高推荐质量的研究33-43
• 4.1 协同过滤推荐质量改进的研究方向33
• 4.2 数据稀疏性问题的研究33-39
• 4.2.1 数据稀疏性问题33-34
• 4.2.2 解决数据稀疏性常用方法34-36
• 4.2.3 利用专家智慧缓解数据稀疏性问题36-37
• 4.2.4 实验结果与分析37-39
• 4.3 冷启动问题研究39-42
• 4.3.1 冷启动问题39
• 4.3.2 解决冷启动问题常用方法39-40
• 4.3.3 利用信息熵法解决冷启动问题40-41
• 4.3.4 实验结果与分析41-42
• 4.4 本章小结42-43
• 第5章 构建电子商务推荐系统43-54
• 5.1 推荐系统的基本要求43
• 5.2 推荐系统的硬件平台43
• 5.3 基于协同过滤推荐系统构建43-51
• 5.3.1 收集偏好43-45
• 5.3.2 寻找邻居用户45-46
• 5.3.3 寻找匹配结果46
• 5.3.4 作出推荐46-48
• 5.3.5 基于项目协同过滤推荐系统构建48-49
• 5.3.6 构建真实数据集49-51
• 5.4 推荐系统应用展示51-53
• 5.4.1 推荐资源管理51
• 5.4.2 推荐参数设置管理51-52
• 5.4.3 展示推荐结果52-53
• 5.5 本章小结53-54
• 第6章 结论与展望54-56
• 6.1 研究结论54
• 6.2 工作展望54-56
• 参考文献56-59
• 攻读硕士学位期间发表的论文及其它成果59-60
• 致谢60

【参考文献】

中国期刊全文数据库 前10条

1 朱庆保;传感器特性曲线的自适应分段最佳拟合及应用[J];传感器技术;2002年01期

2 李善平,尹奇椺,胡玉杰,郭鸣,付相君;本体论研究综述[J];计算机研究与发展;2004年07期

3 余力,刘鲁,李雪峰;用户多兴趣下的个性化推荐算法研究[J];计算机集成制造系统;2004年12期

4 王国胤,于洪,杨大春;基于条件信息熵的决策表约简[J];计算机学报;2002年07期

5 蒋国瑞;青海;黄梯云;;一种柔性的电子商务推荐系统[J];计算机应用研究;2009年03期

6 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

7 罗纪宁;市场细分研究综述:回顾与展望[J];山东大学学报(哲学社会科学版);2003年06期

8 吴月萍;郑建国;;协同过滤推荐算法[J];计算机工程与设计;2011年09期

9 刘旭东;葛俊杰;叶长国;;一种混合推荐系统的设计与应用[J];泰山学院学报;2010年03期

10 郭家义;;数字图书馆个性化服务中用户信息行为的收集与分析[J];图书馆杂志;2003年01期

中国硕士学位论文全文数据库 前2条

1 罗胜阳;协同过滤技术及其在电子商务推荐领域的应用研究[D];南京理工大学;2008年

2 刘芳先;电子商务个性化推荐算法设计与实现[D];江苏大学;2010年

，

本文编号：549162