个性化推荐技术及其在电子商务中的应用

南昌大学硕士学位论文个性化推荐技术及其在电子商务中的应用姓名：刘庆华申请学位级别：硕士专业：软件工程指导教师：梁声灼;李元福20071104个性化推荐技术及其在电子商务中的应用作者：刘庆华学位授予单位：南昌大学相似文献(10条)1.学位论文王霞协同过滤在电子商务推荐系统中的应用研究2003协同过滤是目前在电子商务推荐系统中应用较为成功的个性化推荐技术.但是,当系统规模(用户数量、产品种类)很大时,推荐系统中的协同过滤技术面临着严峻的挑战.为了迎接这种挑战,提高推荐系统的推荐质量和实时性,目前国内外进行了较多的研究,其成果也在实际中得到了一定的应用.论文全面介绍了电子商务推荐系统及其典型的实现技术、协同过滤及已有协同过滤算法的两个方向.着重分析了协同过滤在推荐系统中应用时所面临的问题,以及现有的解决方法.通过对基于项和基于用户的协同过滤算法的比较与分析,提出了一个基于项的协同过滤改进算法.对改进算法进行了详细的理论分析,阐述其可行性,给出了改进算法在标准数据集上的实验结果,并对改进算法与原算法进行了相关性能的比较分析.最后,对该文研究进行了全面总结,指出存在的不足,展望了未来进一步研究的方向.2.期刊论文郭黎明.何艳娟电子商务中的协同过滤推荐系统-商场现代化2009,(17)协同过滤是电子商务推荐系统中最重要的技术之一.它使用统计技术搜索目标客户的若干最近邻居,并根据最近邻居对商品项目的评分,预测目标客户对商品项目的评分,由此产生目标客户的推荐列表.给出协同过滤推荐系统的处理过程,包括数据表示、最近邻居集的产生和推荐列表的形成,在此基础上分析了协同过滤推荐系统存在数据稀疏、推荐质量、扩展性等问题,最后介绍了协同过滤推荐系统当前的研究进展.3.学位论文初颖电子商务个性化推荐系统中协同过滤推荐的研究2004近年来,电子商务个性化推荐系统在网络上获得了普遍的成功,协同过滤是其中应用最为广泛的个性化推荐技术.但是,网上有效信息的数量和商品的种类的急速增长对推荐系统提出了严峻挑战,协同过滤推荐中存在的冷开始和稀疏问题急待解决.为了解决这些问题,该文讨论了电子商务个性化推荐和一些推荐方法,分析了协同过滤推荐的冷开始和稀疏问题的根源.在研究了协同过滤推荐和基于内容推荐的特点之后,提出了一种采用基于内容的推荐改进协同过滤的组合推荐方法,利用基于内容的推荐对相似项目的分析,弥补协同过滤推荐在新项目推荐方面的不足.这种组合推荐算法首先利用基于内容的推荐分析项目的特征属性、找出新项目的相似项目,然后通过用户对相似项目的评价来预测对新项目的评分,最后使用传统的协同过滤推荐在相似项目的范围内计算邻居用户并给出最终的预测评分.因此,这种组合推荐算法能够有效的解决传统的协同过滤推荐中的冷开始和稀疏问题问题.随后,设计了组合推荐算法的仿真实验,统计分析了实验结果,比较了组合推荐算法和传统的协同过滤推荐算法、基于内容的推荐算法,从而表明了组合推荐算法的准确性.最后,说明了引入组合推荐方法的电子商务个性化推荐系统的结构,介绍了引入组合推荐方法的电子商务个性化推荐系统在网上音像制品销售行业的应用.4.期刊论文游文.叶水生.YOUWen.YEShui-sheng电子商务推荐系统中的协同过滤推荐-计算机技术与发展2006,16(9)电子商务推荐系统中协同过滤已成为目前应用最广泛、最成功的推荐方法.它利用相似用户购买行为也可能相似的特性进行推荐.介绍了与其他方法比较协同过滤方法的优点,然后说明了一些主要的协同过滤实现方法,指出了还需改进和完善的地方以及未来研究的方向.5.学位论文李聪电子商务推荐系统中协同过滤瓶颈问题研究2009随着Internet和电子商务的迅猛发展，人类已经进入信息社会时代。我国的电子商务市场发展潜力巨大，同时保持了持续高速增长势头。人们通过访问电子商务网站，可以享受足不出户选购商品的快乐和方便。但是，电子商务网站提供的大量商品对用户造成了“信息超载”，导致电子商务网站面临这样一个严峻的问题：如何在用户浏览网站时将适合该用户的商品推荐到他/她面前，克服信息超载带来的不利影响，从而促成更多的交易以增加企业销售额？电子商务推荐系统(E-commercerecommendersystems)就是解决信息超载问题的一种方案、一种实现电子商务网站“一对一营销”战略的技术，可作为网站客户关系管理的有益组成部分，已经在许多大型网站得到应用。协同过滤是目前电子商务推荐系统中广泛使用的、最成功的推荐算法，但还存在诸如稀疏性(sparsity)、冷启动(cold-start)、可扩展性(scalability)等制约其进一步发展的瓶颈问题。因此，需要对上述协同过滤瓶颈问题展开进一步研究。本文的主要研究内容如下：(1)对协同过滤的国内外研究现状进行了全面的梳理和综述，在此基础上对协同过滤瓶颈问题进行了提炼。(2)针对基于项目评分预测的协同过滤推荐算法在缓解稀疏性问题上的不足，即目标用户最近邻搜寻不够准确和存在不必要计算耗费，首先提出了非目标用户类型区分理论，从而将用户评分项并集中的非目标用户区分为无推荐能力和有推荐能力两种类型。对于无推荐能力用户，不再计算其与目标用户的相似性以提高算法效率和改善推荐实时性；对于有推荐能力用户，则在其与目标用户存在共同评分项类时，提出了领域最近邻理论对用户评分项并集中的未评分项进行评分预测，从而使最近邻搜寻更加准确。为了防止用户评分数据的极端稀疏现象可能导致领域最近邻的用户相似性过低，进一步提出了一种基于Rough集理论的用户评分项并集未评分值填补方法，该方法能有效实现用户评分项并集的完备化，从而将其应用于评分矩阵的未评分值估算以缓解稀疏性，实现了对领域最近邻理论的有效补充。(3)针对冷启动中的新用户问题，提出了一种冷启动消除方法。首先，提出了用户访问项序理论，通过Web日志来获取用户访问项序，并定义了n序访问解析逻辑，将用户访问项序分解为用户访问子序集，并设计了用户访问项序的相似性计算方法来搜寻新用户的最近邻集合，进而提出了一种改进的最频繁项提取算法IMIEA来对最近邻集合的用户访问项序进行处理，得到面向新用户的top-N推荐；基于最近邻用户与新用户的用户访问项序集合，建立了用户访问项序的Markov链模型，实现了对新用户的商品导航推荐。(4)针对可扩展性问题，提出了一种适应用户兴趣变化的协同过滤增量更新机制，能够以较小的系统计算量在用户提交新评分后实时更新相应项目与其它项目之间的相似性数据，从而消除了传统方法在每次进行推荐计算时无法避免的扫描全体项目空间的计算耗费，有效改善了可扩展性；同时，由于这种增量更新机制保证了在推荐运算中能够使用到最新的用户评分数据，因此使得推荐服务可以适应用户兴趣偏好的动态变化，从而弥补了传统的离线计算项目相似性方法难以反映用户兴趣漂移的不足。(5)在本文提出的上述理论和方法基础上，设计并实现了一个电子商务协同过滤原型系统ECRec(E-CommerceRecommendersystem)，该系统具有良好的可移植性、可维护性及开放式架构(openarchitecture)特征。6.期刊论文龚松杰电子商务中协同过滤推荐技术研究-商场现代化2008,(3)协同过滤推荐是电子商务推荐系统中应用最成功的技术,很大程度上决定了推荐系统的推荐质量.文章主要介绍了目前应用较广的几种协同过滤推荐技术,并对这几种推荐技术的存在的问题进行了分析.7.学位论文欧立奇协同过滤在电子商务推荐系统中的应用研究2006近年来，电子商务个性化推荐系统在网络上获得了普遍应用，其中应用最为广泛的个性化推荐技术是协同过滤技术。而随着网上有效信息的数量和商品的种类的急速增长，也对推荐系统提出了严峻挑战，协同过滤推荐中存在的新项目推荐问题、稀疏性问题等亟待解决。针对这些问题，本文综述了电子商务个性化推荐系统和常用的一些推荐方法，分析了协同过滤推荐中新项目难以推荐和稀疏性问题的根源，提出了一种对项目矩阵进行层次划分的方法。其基本思想是，首先利用分类树算法划分项目矩阵并计算项目间的相似度，在此基础上缩小近邻搜索的范围和需要预测的资源数目。通过用户对已有项目的评分顺序和项目间的相似性，预测用户对新项目的评分。试验结果表明基于项目矩阵划分的协同过滤算法，有效地解决了新项目推荐困难的问题，显示出了比传统推荐算法更好的推荐质量和扩展性。在此基础上，本文设计并开发了协同过滤商品推荐系统，通过买家访问日志，利用上述分析方法，可有效推荐给买家相似群组的偏好商品。此外，为了增进推荐内容资讯鲜度，本研究利用上述算法，有效地解决了新项目难以推荐的问题。最后，通过对数码消费产品业的模拟销售，推荐系统可以有效地提升电子市场的绩效，使商品的推荐行为更加有效，更有利于商品的销售。8.学位论文丁延玲基于顾客交易数据的协同过滤推荐方法研究2007随着Internet的普及和电子商务的快速发展，电子商务系统在为用户提供越来越多选择的同时，其结构也变得更加复杂，用户经常会迷失在大量的商品信息空间中，无法顺利找到自己需要的商品。许多著名的电子商务网站都开发了推荐系统，为顾客提供个性化的信息推荐服务。电子商务推荐系统能够直接与用户交互，模拟商店销售人员向用户提供商品推荐，帮助用户找到所需商品，从而顺利完成购买过程。电子商务推荐系统已逐渐成为电子商务信息技术的一个重要研究内容，受到越来越多研究者的关注。特别是应用最成功的协同过滤推荐系统，在理论和实践中都得到了很大发展，但是随着电子商务系统规模的进一步扩大，协同过滤推荐系统也面临着一系列挑战。论文对电子商务推荐系统及其相关技术进行了深入的探讨和研究，并详尽分析了协同过滤推荐算法在应用过程中存在的问题及现有的解决方法，在此基础上提出了基于顾客交易数据的协同过滤推荐方法，然后更进一步地提出了改进算法，即基于项目综合指标值预测的协同过滤推荐算法和基于顾客模糊聚类的协同过滤推荐算法。基于顾客交易数据的协同过滤推荐思想是：基于顾客的购买交易记录数据应用RFM分析方法来确定顾客对商品的忠诚度，并以体现顾客忠诚度的IRFM综合指标值来反映顾客的购买偏好，然后基于IRFM分析矩阵应用提出的协同过滤推荐算法为顾客提供个性化的商品推荐。基于项目综合指标值预测的协同过滤推荐算法和基于顾客模糊聚类的协同过滤推荐算法则是在上述推荐思想的基础上对传统协同过滤方法的改进。论文对提出的算法进行了详细的理论分析，并验证了推荐算法的合理性和有效性。提出的算法很好的解决了传统协同过滤推荐方法在应用中存在的问题，从而有效提高了电子商务个性化推荐系统的推荐质量。最后，论文对研究内容进行了全面的总结，指出其存在的不足，并展望了未来进一步的研究发展方向。9.期刊论文杨怀珍.丛晓琪.刘枚莲基于协同过滤的电子商务推荐系统建模研究-中国管理信息化2008,11(21)电子商务个性化推荐系统是客户关系管理的重要内容.在分析现有电子商务推荐系统不足的基础上,设计一种基于协同过滤的智能商务推荐系统.为客户快捷便利地寻找到所需的商品信息,推荐合理的商品,实现客户与商家的共赢.10.学位论文王莉红电子商务环境下协同过滤推荐方法的应用分析与研究2005本文对电子商务推荐系统进行了深入地研究,详尽分析了协同过滤算法所面临的挑战,在此基础上,提出了User-based协同过滤推荐算法的改进算法.该算法首先离线预计算项目之间的相似度,结果保存在数据库中;其次在用户的邻居形成阶段,不仅考虑了用户之间的关联,而且利用预计算项目间相似性来预测用户间评分并集中未评分的项目的相似度;最后根据用户最近邻居集合预测对每个项目的评分,产生推荐给目标用户.本文通过开发的实验测试系统对改进的协同过滤算法进行了测试,验证了改进算法的合理性和有效性,从而可以有效解决用户评分数据极端稀疏情况下传统方法存在的不足,有效地提高了电子商务推荐算法的推荐质量.本文链接：：上海海事大学(wflshyxy)，授权号：062854b4