基于混合协同过滤的电子商务推荐系统的研究与应用

发布时间：2017-08-24 21:06

  本文关键词：基于混合协同过滤的电子商务推荐系统的研究与应用

  更多相关文章： 电子商务 推荐系统 协同过滤

【摘要】：因特网以惊人的速度发展着，它对人们生活的各个方面产生了深远的影响，改变了人们通信交流、获取信息、进行商业活动等等的方式。当今，电子商务已经成为因特网一个非常有前景的应用领域。随着电子商务的快速发展，各种各样的商品充斥在购物网站上。在数以百万计的商品中，面临的选择令人眼花缭乱，以至于用户越来越难以选择他们感兴趣的商品。在此背景下，推荐系统应运而生。推荐系统可以为每个特定的消费者列出一系列推荐产品，以帮助他们快速地找到可能感兴趣的商品。为此，研究人员已经提出了许多种推荐技术，其中，协同过滤是最成功的推荐算法，它已经被广泛应用于许多不同的应用中，但是存在的一些不足之处有待改进。本文的主要工作如下： 1、本文使用矩阵分块和最小堆的方法对协同过滤算法中最近邻集合的查找过程进行了研究和改进，降低了对内存空间的需求。 2、本文使用组合式数据填充的方式对协同过滤算法中使用的初始用户评论数据矩阵进行填充，以解决两种传统的协同过滤算法中均存在的“数据稀疏性”问题。通过引入一个权重因子，将两种算法组合起来，提出了一种基于用户和物品的加权型混合协同过滤算法，融合两者的优势，使得系统产生的推荐结果比较新颖又能够对产生的推荐结果做出比较合理的解释。 3、本文使用MovieLens数据集进行实验分析，结果表明加权型混合协同过滤算法计算所得的平均绝对误差小于基于用户的协同过滤算法和基于物品的协同过滤算法计算所得的平均绝对误差，，这就说明该加权型混合协同过滤算法在一定程度上提高了推荐结果的准确度，并且其覆盖率和多样性也比较令人满意。 4、本文利用提出的加权型混合协同过滤算法设计了一个电子商务推荐系统，并使用DIV、CSS、Spring和Hibernate等技术框架，开发出一个网上购物商城，实现该系统中的主要功能，并应用了设计的电子商务推荐系统。
【关键词】：电子商务 推荐系统 协同过滤
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.3
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-20
• 1.1 研究背景9-10
• 1.2 研究目的与意义10-11
• 1.3 研究现状与存在问题11-19
• 1.3.1 电子商务推荐的目标12
• 1.3.2 国外的研究现状12-15
• 1.3.3 国内的研究现状15-16
• 1.3.4 存在问题分析16-19
• 1.4 研究内容19
• 1.5 论文的组织结构19-20
• 第2章 混合协同过滤算法的研究20-40
• 2.1 数据稀疏性问题的解决20-21
• 2.2 缺乏解释性问题的解决21-23
• 2.3 缺乏新颖性问题的解决23-24
• 2.4 最近邻集合形成的研究24-28
• 2.4.1 评价矩阵分块方法的研究25-26
• 2.4.2 相似度计算过程的改进26-27
• 2.4.3 复杂度分析27-28
• 2.5 加权型混合协同过滤算法的研究28-39
• 2.5.1 算法的基本思想28-30
• 2.5.2 算法的具体流程30-34
• 2.5.3 算法的伪代码描述34-37
• 2.5.4 权重因子的取值37-38
• 2.5.5 算法的复杂度分析38-39
• 2.6 进一步探讨39
• 2.7 本章小结39-40
• 第3章 混合协同过滤算法的实验分析40-50
• 3.1 实验的环境配置40
• 3.2 数据集的获取40-41
• 3.3 实验评价指标41-42
• 3.4 实验结果及分析42-49
• 3.4.1 权重因子的确定42-44
• 3.4.2 准确度的对比44-46
• 3.4.3 覆盖率的对比46-47
• 3.4.4 多样性的对比47-49
• 3.5 本章小结49-50
• 第4章 推荐系统的设计及应用50-66
• 4.1 推荐系统的组成50-51
• 4.2 推荐系统的设计51-53
• 4.3 推荐系统的应用53-65
• 4.3.1 系统结构的设计53
• 4.3.2 功能模块的设计53-60
• 4.3.3 数据库的设计60-63
• 4.3.4 运行结果及分析63-65
• 4.4 本章小结65-66
• 第5章 总结与展望66-69
• 5.1 总结66-67
• 5.2 展望67-69
• 致谢69-70
• 参考文献70-73
• 攻读硕士学位期间发表的论文及参研的项目73

【参考文献】

中国期刊全文数据库 前10条

1 赵亮,胡乃静,张守志;个性化推荐算法设计[J];计算机研究与发展;2002年08期

2 秦国;杜小勇;;基于用户层次信息的协同推荐算法[J];计算机科学;2004年10期

3 何光辉;魏曙光;王蔚韬;;改进的聚类邻居协同过滤推荐算法[J];计算机科学;2004年11期

4 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[J];计算机学报;2010年08期

5 曾艳,麦永浩;基于内容预测和项目评分的协同过滤推荐[J];计算机应用;2004年01期

6 赵琴琴;鲁凯;王斌;;SPCF:一种基于内存的传播式协同过滤推荐算法[J];计算机学报;2013年03期

7 邓爱林,朱扬勇,施伯乐;基于项目评分预测的协同过滤推荐算法[J];软件学报;2003年09期

8 吴湖;王永吉;王哲;王秀利;杜栓柱;;两阶段联合聚类协同过滤算法[J];软件学报;2010年05期

9 孟祥武;胡勋;王立才;张玉洁;;移动推荐系统及其应用[J];软件学报;2013年01期

10 杨兴耀;于炯;吐尔根·依布拉音;廖彬;钱育蓉;;融合奇异性和扩散过程的协同过滤模型[J];软件学报;2013年08期

中国博士学位论文全文数据库 前2条

1 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年

2 胡新明;基于商品属性的电子商务推荐系统研究[D];华中科技大学;2012年

本文编号：733138