基于协同过滤的电子商务个性化推荐算法研究

发布时间：2017-10-06 00:33

  本文关键词：基于协同过滤的电子商务个性化推荐算法研究

  更多相关文章： 协同过滤 个性化推荐 用户兴趣 推荐系统 聚类

【摘要】：随着互联网的迅速发展和普及,现代电子商务得到广泛的应用,越来越多的商品信息充斥在商务网站中,人们面对如此众多的商品信息感到束手无策,很难在短时间内找到自己需要的商品,这就是“信息过载”现象。为了能够帮助顾客迅速找到其所需要的商品,电子商务个性化推荐技术便应运而生。 目前,在众多的个性化推荐技术中,协同过滤推荐技术是在个性化推荐系统中应用较广泛和推荐效果较好的技术之一。本文以协同过滤推荐技术为基础,以提高推荐质量为出发点,针对传统的User-based协同过滤推荐算法存在的不足,给出了一种改进的User-based协同过滤推荐算法,这种算法跟传统的User-based协同过滤推荐算法相比,其优势主要体现在以下几个方面：第一,原始的用户一项目评分矩阵过于稀疏,影响推荐质量,改进的User-based协同过滤推荐算法对原始的用户一项目评分矩阵进行填充处理,在保留更多有用信息的前提下,提高了用户一项目评分矩阵的稠密度。第二,在计算目标用户相似邻居时,考虑到了用户兴趣性质的问题,只在用户表现出喜欢的项目上寻找邻居用户,这样可以发现与目标用户兴趣更加相似的邻居用户,进一步提高了推荐的质量。第三,改进的算法在计算目标用户的邻居用户时,加入了时间元素,在目标用户最近访问的项目上给予更高的权重,反映出了用户兴趣变化的趋势,这样找到的邻居用户与目标用户最近的兴趣更加相似,推荐的项目也更加符合用户最近的兴趣偏好。第四,对项目进行分类,在目标用户所喜欢的项目所属的各个子类中寻找邻居用户,然后在各个子用户一项目评分矩阵上产生子候选推荐集合,最后综合各个子候选推荐集合得到最终的推荐列表呈献给目标用户,通过这种方式可以找到目标用户更“真”的邻居,对目标用户产生更准确的推荐。文章最后在Movielens和EachMovie数据集上对该算法进行了验证,使用MAE来衡量推荐算法的推荐质量,经试验证明,改进后的算法与传统的User-based协同过滤算法相比,推荐质量在一定程度上得到了提高。
【关键词】：协同过滤 个性化推荐 用户兴趣 推荐系统 聚类
【学位授予单位】：海南大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP301.6
【目录】：

• 摘要4-5
• Abstract5-8
• 1 绪论8-16
• 1.1 研究背景8-9
• 1.2 问题提出9-10
• 1.3 研究目的及意义10-11
• 1.4 国内外发展现状11-14
• 1.5 研究工作14-16
• 2 电子商务推荐系统概述16-26
• 2.1 推荐系统16-17
• 2.2 电子商务推荐系统17-24
• 2.3 电子商务推荐系统面临的挑战24-25
• 2.4 本章小结25-26
• 3 电子商务推荐的相关技术26-36
• 3.1 实现推荐的相关技术26-29
• 3.2 各种推荐技术概述29-34
• 3.3 电子商务推荐技术面临的挑战34-35
• 3.4 本章小结35-36
• 4 协同过滤推荐技术36-46
• 4.1 协同过滤推荐技术原理36-38
• 4.2 传统的协同过滤推荐技术38-45
• 4.3 本章小结45-46
• 5 传统的User-based协同过滤推荐算法的改进46-61
• 5.1 传统的User-based协同过滤推荐算法的不足46-47
• 5.2 传统的Us er-based协同过滤推荐算法的改进措施47-57
• 5.3 改进的User-based协同过滤推荐算法57-59
• 5.4 改进的User-based协同过滤推荐算法分析59-60
• 5.5 本章小结60-61
• 6 改进的User-based协同过滤推荐算法的实验设计与分析61-74
• 6.1 实验数据的选取和实验环境61-62
• 6.2 改进的User-based协同过滤推荐算法的实验设计62-65
• 6.3 实验结果和分析65-73
• 6.4 本章小结73-74
• 7 总结与展望74-77
• 7.1 总结74-75
• 7.2 展望75-77
• 参考文献77-80
• 硕士期间发表的论文80-81
• 致谢81

【参考文献】

中国期刊全文数据库 前6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 陆林花;王波;;一种改进的遗传聚类算法[J];计算机工程与应用;2007年21期

3 熊馨,王卫平,叶跃祥;电子商务个性化产品推荐策略研究[J];科技进步与对策;2005年07期

4 马辉民;周凤林;;电子商务下的柔性推荐系统[J];武汉理工大学学报(信息与管理工程版);2007年02期

5 余力,刘鲁,罗掌华;我国电子商务推荐策略的比较分析[J];系统工程理论与实践;2004年08期

6 朱岩;林泽楠;;电子商务中的个性化推荐方法评述[J];中国软科学;2009年02期

中国博士学位论文全文数据库 前2条

1 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年

2 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

中国硕士学位论文全文数据库 前2条

1 何安;协同过滤技术在电子商务推荐系统中的应用研究[D];浙江大学;2007年

2 周洋;个性化推荐系统推荐引擎原型系统研究[D];对外经济贸易大学;2007年

，

本文编号：979730