显隐数据结合的服装推荐系统研究

发布时间：2024-02-24 04:51

　　随着“互联网+”时代的到来,以淘宝为代表的电子商务平台迅速兴起。近几年,电子商务平台服装网购销售额占比处于各类商品网购销售额占比的第一位。服装网购平台在销售的过程中产生了海量的用户、服装数据,推荐算法可以从海量数据中提取关键信息,为用户进行服装推荐。然而,传统的服装推荐算法渐渐不能满足人们日益增长的个性化服装穿戴的需要。服装推荐系统内的数据按照数据类型将数据分为显式数据和隐式数据,设计两种数据类型相结合的推荐算法,可以有效解决服装信息超载问题,提高服装推荐准确率,提升系统对于用户数据的利用率,满足用户个性化穿戴需求。显式数据与隐式数据相结合的服装推荐算法将用户的显式反馈和隐式反馈转化为显式数据和隐式数据,结合基于用户的协同过滤推荐算法为用户进行服装推荐。其中,数据预处理部分,显式数据采用用户偏好的色彩、风格数据,隐式数据采用用户购买记录、浏览记录数据;多种数据类型矩阵计算部分,提取数据库中的数据构建用户特征向量和评分矩阵;矩阵处理部分,由于用户、服装数据量大,用户-服装矩阵维度过高,需要进行降维,得到特征矩阵,使用优化后的Pearson相似性计算方法进行用户相似度计算,得到初始推荐结果...

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图1.1推荐系统架构图

显隐数据结合的服装推荐系统研究务平台的访问量，丰富了用户模型，加深了平台对于用户的了解。1.2国内外研究现状1.2.1推荐算法Recsys大会既有关于推荐领域实践与技术的研究，也有关于推荐理论与推荐方法的探索，被认为是推荐领域最权威的大会[10]。Recsys大会议多篇论....

图2.1经典推荐算法分类

第2章相关理论与技术在显式数据与隐式数据相结合的服装推荐系统中，需要考虑推荐算法、数据类型、服装领域知识等内容。其中，协同过滤推荐算法是目前应用最为广泛的一种推荐算法，深受研究者们喜爱。但是传统推荐算法只采用一种数据类型，这已经不能满足用户日益增长的个性化推荐要求，本文提出....

图2.2基于内容的推荐算法

显隐数据结合的服装推荐系统研究户已经购买或以某种方式表达偏好的物品的特征属性内容集；第二部分是系统物品特征集，系统数据库中所有物品及其所包含的特征属性内容集；第三部分是推荐引擎，通过学习算法将用户历史特征集和系统物品特征集进行相似度计算，最终生成推荐结果，如图2.2。

图2.3基于模型的协同过滤推荐算法

图2.3基于模型的协同过滤推荐算法基于记忆的协同过滤推荐算法，分为基于用户的协同过滤推荐算法和基于物品的协同过滤推荐算法[32]。两种推荐算法均都需要进行相似度计算，因此基于记忆的协同过滤推荐算法也可称为基于近邻的推荐算法。基于记忆的协同过滤推荐算法依赖于用户行为记录，通过行....

本文编号：3908552