基于半监督学习的电子商务推荐方法

发布时间：2017-09-24 14:33

  本文关键词：基于半监督学习的电子商务推荐方法

  更多相关文章： 半监督学习 协同过滤 电子商务 推荐系统

【摘要】：基于产品的协同过滤推荐是被广泛使用的产品推荐方法,该方法向用户推荐与用户之前感兴趣的产品相似的产品,其关键在于产品相似度的计算。购买数据能够很好的反应用户兴趣,被广泛用于计算用户的相似度。在大型综合性网站上,例如亚马逊,推荐系统利用丰富的用户购买数据获得了很好的推荐效果,但在许多中小型垂直电子商务网站中,普遍存在的现象是浏览数据相对丰富,但购买数据非常缺乏,缺乏购买相关数据成为制约推荐系统在此类网站发挥作用的一大原因。 半监督学习是介于监督学习和无监督学习之间的一种学习方式。半监督学习中主要涉及两类信息,已知标签信息和未知标签数据,通常未知标签数据量远大于已知标签数据量。半监督学习技术将小部分已知标签数据用作约束条件指导对未标注标签数据的学习,获得更好的学习效果。在电商场景中,购买数据可被用作准确反映用户兴趣的约束数据,而浏览数据则是数据规模较大但准确度较低,可类比于未知标签数据。利用半监督学习技术可以很好的将购买数据和浏览数据结合起来以改善产品相似度计算,从而改善协同过滤推荐效果。 本文提出了一种利用少量购买数据提高推荐效果的半监督学习方法。该方法将购买数据作为约束数据,改善利用浏览数据计算的产品相似度的准确性。本文在一个在线眼镜电商网站数据上验证了该方法,实验表明该方法仅用少量购买数据即有效提高了推荐效果。
【关键词】：半监督学习 协同过滤 电子商务 推荐系统
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP181
【目录】：

• 摘要4-5
• Abstract5-6
• Content6-10
• 1 Introduction10-13
• 1.1 Recommender System10
• 1.2 Vertical E-commerce10-11
• 1.3 Semi-supervised Learning11-12
• 1.4 Contribution12-13
• 2 Background13-25
• 2.1 Recommendation Methods13-18
• 2.1.1 Introduction13-14
• 2.1.2 Input14-16
• 2.1.3 Algorithms16-17
• 2.1.4 Challenge17-18
• 2.2 Item-based collaborative fitering18-20
• 2.2.1 Introduction18-19
• 2.2.2 Methodology19-20
• 2.3 Semi-supervised Learning20-25
• 2.3.1 Introduction20-21
• 2.3.2 Cluster Assumption & Manifold Assumption21-23
• 2.3.3 Recommender Systems Based on Semi-supervised Learning23
• 2.3.4 Summary23-25
• 3 Empirical Study on Vertical E-commerce Site25-35
• 3.1 Motivation25-26
• 3.2 Evaluation26-33
• 3.2.1 Data Set26-27
• 3.2.2 Evaluated Recommendation Methods27-29
• 3.2.3 Evaluation Metrics29-30
• 3.2.4 Result and Discussion30-33
• 3.3 Challenge33
• 3.4 Summary33-35
• 4 Semi-supervised Item-based Recommendation35-50
• 4.1 Semi-supervised Dimension Reduction35-37
• 4.2 Constraints37-39
• 4.3 Experiment Design39-42
• 4.3.1 Framework39-40
• 4.3.2 Data Set40
• 4.3.3 Data Preprocessing40-41
• 4.3.4 Similarity Measure41
• 4.3.5 Generate Recommendations41-42
• 4.4 Evaluation42-49
• 4.4.1 Evaluation Method42-43
• 4.4.2 Data Filtering43-44
• 4.4.3 Semi-supervised Results44-49
• 4.5 Summary49-50
• 5 Conclusion50-51
• References51-58
• 简历与科研成果58-60
• 致谢60-61

【相似文献】

中国期刊全文数据库 前10条

1 李妍妍;李媛媛;叶世伟;;基于流形正则化的支持向量回归及应用[J];计算机应用;2007年08期

2 李永忠;王汝山;张念贵;王玉雷;;基于半监督模糊聚类的入侵检测技术[J];江苏科技大学学报(自然科学版);2010年04期

3 傅向华,冯博琴,马兆丰,何明;可在线增量自学习的聚焦爬行方法[J];西安交通大学学报;2004年06期

4 丁磊,钱云涛;不同程度的监督机制在自动文本分类中的应用[J];计算机应用与软件;2004年06期

5 张晨光;李玉擰;;基于半监督学习的眉毛图像分割方法[J];计算机工程与应用;2009年21期

6 刘叶青;刘三阳;谷明涛;;一种多项式光滑的半监督支持向量机分类算法[J];计算机科学;2009年07期

7 杨绪兵;潘志松;陈松灿;;半监督型广义特征值最接近支持向量机[J];模式识别与人工智能;2009年03期

8 鲁珂,赵继东,叶娅兰,曾家智;一种用于图像检索的新型半监督学习算法[J];电子科技大学学报;2005年05期

9 罗进;周学君;;半监督学习中非标记数据的利用[J];湖北大学学报(自然科学版);2008年01期

10 曹慧;刘玉峰;;未标记样本在半监督学习中的应用方法研究[J];广西轻工业;2008年12期

中国重要会议论文全文数据库 前10条

1 谷方明;刘大有;王新颖;;基于半监督学习的加权支持向量域数据描述方法[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

2 杨源;马云龙;林鸿飞;;基于权重标准化SimRank与半监督学习的产品属性归类[A];中国计算语言学研究前沿进展（2009-2011）[C];2011年

3 朱松豪;梁志伟;;用半监督学习方法实现图像检索[A];第二十九届中国控制会议论文集[C];2010年

4 邱慧宁;黄剑;陈羽;赖剑煌;;基于UDP的半监督学习及其在人脸识别的应用[A];第十四届全国图象图形学学术会议论文集[C];2008年

5 毕锦烟;李巍华;;基于半监督模糊核聚类的齿轮箱早期故障检测方法[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

6 柳斌;李之棠;涂浩;;一种基于半监督学习的应用层流量分类方法[A];2008年全国开放式分布与并行计算机学术会议论文集(下册)[C];2008年

7 张召;业宁;业巧林;;基于配对约束的核半监督非线性降维算法[A];第五届全国信息检索学术会议论文集[C];2009年

8 王倩影;冯国灿;汤鑫;;δ-距离及其在半监督增强中的应用[A];第十五届全国图象图形学学术会议论文集[C];2010年

9 冯瑞;宋春林;;一种基于局部学习的复杂系统建模方法[A];2007中国控制与决策学术年会论文集[C];2007年

10 何慧;陈博;郭军;;基于流形学习的半监督文本情感分类算法[A];第五届全国信息检索学术会议论文集[C];2009年

中国博士学位论文全文数据库 前10条

1 孔怡青;半监督学习及其应用研究[D];江南大学;2009年

2 王娇;多视图的半监督学习研究[D];北京交通大学;2010年

3 兰远东;基于图的半监督学习理论、算法及应用研究[D];华南理工大学;2012年

4 徐雪;样本的几何信息在半监督学习中的应用研究[D];中国科学技术大学;2010年

5 朱岩;面向文本数据的半监督学习研究[D];北京交通大学;2012年

6 桂杰;基于图的半监督学习和维数约简方法及其应用研究[D];中国科学技术大学;2010年

7 潘俊;基于图的半监督学习及其应用研究[D];浙江大学;2011年

8 余国先;高维数据上的半监督学习研究[D];华南理工大学;2013年

9 赵志凯;半监督学习及其在煤矿瓦斯安全信息处理中的应用研究[D];中国矿业大学;2012年

10 任广波;基于半监督学习的遥感影像分类技术研究[D];中国海洋大学;2010年

中国硕士学位论文全文数据库 前10条

1 陈新勇;基于核策略的半监督学习方法研究[D];河北大学;2010年

2 黄明明;半监督学习方法研究及在警用平台中的应用[D];大连理工大学;2010年

3 冯元佶;基于图的半监督学习的改进研究[D];湘潭大学;2010年

4 余养强;半监督学习若干问题的研究[D];福建师范大学;2010年

5 刘伟涛;半监督学习方法及应用研究[D];山东大学;2011年

6 杨伟;半监督学习方法研究[D];国防科学技术大学;2011年

7 魏征丽;基于图半监督学习算法的研究及应用[D];西安电子科技大学;2012年

8 刘孝良;基于半监督学习的随机森林算法研究与应用[D];中国海洋大学;2013年

9 惠成峰;基于半监督学习的电子商务推荐方法[D];南京大学;2013年

10 王竞燕;基于半监督学习的桥梁结构健康分类模型的研究与应用[D];北京工商大学;2012年

，

本文编号：911947