电子商务个性化推荐技术及其应用研究

北京邮电大学硕士学位论文电子商务个性化推荐技术及其应用研究姓名：周云辉申请学位级别：硕士专业：计算机应用技术指导教师：徐惠民20040228电子商务个性化推荐技术及其应用研究作者：周云辉学位授予单位：北京邮电大学相似文献(10条)1.学位论文刘庆华个性化推荐技术及其在电子商务中的应用2007随着Internet和电子商务技术的迅猛发展，人们迫切需要一种个性化推荐技术帮助他们实现信息过滤和对商品的自动推荐。本文研究了电子商务个性化推荐系统及主要的推荐技术，特别是协同过滤技术，包括基于用户的协同过滤技术和基于项目的协同过滤技术。基于用户的协同过滤是一种应用最成功的个性化推荐技术，它在推荐效果和准确性等方面显示出了卓越的优势。但是，这种推荐技术中存在的冷开始和稀疏问题也严重影响了推荐系统的性能，使协同过滤的效果得不到充分的发挥。为了解决这些问题，本文运用了一种基于用户的协同过滤推荐和基于项目的协同过滤的组合推荐算法，利用基于项目协同过滤对相似项目的研究弥补传统协同过滤推荐在新项目推荐方面的不足。这种组合算法先利用基于项目协同过滤技术预测该用户对新项目的评分，最后使用基于用户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，以此使新项目参与到推荐中，同时稀疏问题也迎刃而解。本文讨论了电子商务个性化推荐系统的组成和结构，以及主要的推荐技术，分析了稀疏问题和冷开始问题的根源；最后介绍了基于用户的协同过滤和基于项目的协同过滤组合推荐算法在电子超市购物系统中的应用。2.期刊论文余力.刘鲁.李雪峰用户多兴趣下的个性化推荐算法研究-计算机集成制造系统2004,10(12)电子商务个性化推荐成为客户关系管理的重要内容,协同过滤算法是应用最为广泛的个性化推荐技术,但传统的协同过滤推荐算法并不适合用户多兴趣情况下的个性化推荐.在分析原因的基础上,通过组合基于用户的协同过滤和基于项目的协同过滤算法,先求解目标项目的相似项目集,在目标项目的相似项目集上再采用基于用户的协同过滤算法.这种基于相似项目的邻居用户协同推荐方法,能很好地处理用户多兴趣下的个性化推荐问题,尤其当候选推荐项目的内容属性相差较大时,该方法性能更优.最后,用EachMovie数据库对算法进行了仿真实验,实验表明该算法准确率更高.3.学位论文周强协同过滤算法在商品个性化推荐中的研究2006随着互联网普及和电子商务发展，推荐系统逐渐成为电子商务的一个重要研究内容，越来越多地受到研究者的关注。目前几乎所有大型电子商务系统都不同程度地使用了各种形式的推荐系统。推荐系统是电子商务个性化服务的重要组成部分。它根据顾客以往购买情况推测将要进行的消费行为，模拟销售人员帮助其完成购买过程。而这种具备独特的、个性化服务网站将对客户产生浓厚吸引力。电子商务个性化推荐系统中比较成熟的有协同过滤推荐系统，但其存在一些诸如冷开始、稀疏、实时性差等一些明显的缺陷，而且其他推荐系统也各有各的缺陷，到目前为止，还没有一种非常完美的推荐技术。怎样完善个性化推荐系统是电子商务一个重要研究课题，这方面的研究工作现在还处在较初级的阶段。在基于用户的推荐算法和基于项目的推荐算法基础上考虑冷开始、稀疏、实时、奇异等问题提出一种组合推荐算法，将两种算法有机结合的这种算法可大大改善上述问题。先利用基于项目的推荐算法按照项目向量之间相似性程度把项目归类，然后借助相似的项目的评分预测新项目的评分值，最后在相似项目的范围内，使用基于用户的协同过滤推荐技术做出最终预测。通过实验设计和结果分析说明了协同过滤组合推荐算法的效果。从实验数据的准备开始，在实验设计中设计评估标准和实验过程，并通过对实验结果的分析和比较得出确实的结论。4.学位论文宋真真协同过滤技术在个性化推荐中的应用研究2008随着Internet和信息技术的飞速发展，个性化推荐作为一种崭新的智能信息服务方式，根据用户提出的明确要求，或通过对用户个性、习惯、偏好的分析，准确地向用户提供感兴趣的信息和服务，从而有效地解决了“信息过载”和“信息迷失”带来的种种问题，成为许多学者关注和研究的热点。个性化推荐的具体实现方法有很多，其中协同过滤推荐算法是目前运用的最为广泛也是比较有效的一种，主要包括user-based和Item-based推荐算法。然而，随着系统规模的不断扩大，用户评分数据极端稀疏等问题使其推荐质量严重下降。因此，必须对传统的协同过滤推荐算法加以改进。本文所做的主要工作和创新点如下：(1)对个性化推荐系统进行了深入研究，包括个性化推荐系统的应用现状、输入与输出、主要分类和推荐系统实现的具体方法，如：基于规则、基于内容、知识工程、数据挖掘和协同过滤方法。(2)对协同过滤推荐算法进行研究分析，包括基于用户的协同过滤推荐算法和基于项目的协同过滤推荐算法。并且指出传统协同过滤推荐算法所存在的不足，主要包括：用户评分数据的稀疏性问题；推荐算法的实时性问题；推荐系统对于新用户的“冷开始”问题。(3)提出了一种协同过滤推荐算法的改进方法，将User-based和Item-based协同过滤推荐算法的思想相结合，通过形成项目相似集，由用户对相似项目的评分来智能地预测用户对未评分项的评分，填充用户评分矩阵，有效解决了用户评分数据稀疏情况下传统相似性度算法所存在的不足。另外，在形成用户最近邻居时，引入高评分阈值，重点考虑高评分项目对推荐产生的影响，更能代表目标用户的实际兴趣爱好，从而显著提高个性化协同过滤推荐算法的推荐精度。5.学位论文周张兰基于协同过滤的个性化推荐算法研究2009如今，web上的信息量巨大，然而用户想要获取自己需要的信息却越来越困难。协同过滤推荐作为成功的个性化推荐技术，得到了广泛使用。协同过滤分析用户的行为，不关心信息的实际内容，通过收集与用户兴趣爱好相同的其他用户的评价信息来产生推荐。然而，传统的推荐算法存在数据稀疏情况下相似度计算不准确，以及冷启动、可扩展性问题，影响了推荐系统的应用和推广。本文从理论上研究了协同过滤推荐技术的基本原理、实现步骤、常用算法及其分类，特别介绍了经典的基于用户的协同过滤推荐算法以及广泛使用的基于项的协同过滤推荐算法。在归纳了不同的推荐策略下相似性度量方法的计算公式后，通过实验分析和比较了在稀疏数据下，相关相似性、余弦相似性和调整的余弦相似性在精准度、预测异常值以及相似度值大小等方面的不同，给出了余弦相似性更为准确的结论及原因。针对传统相似性度量方法在稀疏数据下共同评分项目少，预测准确度低的问题，提出了改进的基于项目均值加权预测的协同过滤推荐算法。实验证明，改进算法在相似度计算上比传统相似性度量方法更为准确。针对推荐系统中随用户和项目增大而出现的可扩展性问题，提出了一种基于聚类的推荐方法。在离线部分采用在基本k-means聚类基础上，针对协同过滤推荐中用户-评分数据特点而改进的GKCF聚类算法；在线部分使用聚类后的新用户空间，首先计算新用户空间中的虚拟用户与目标用户之间的相似度得到目标用户近邻，再利用这些近邻对目标用户未评分项目进行预测，从而向目标用户产生推荐。由于聚类离线完成，因而可以有效地提高系统的实时响应时间。6.期刊论文刘长柱基于浏览数据的个性化推荐方法研究-现代商业2007,(10)本文首先简要介绍了电子商务个性化推荐系统的提出和基于用户的协同过滤推荐方法;然后针对当前推荐系统的缺点提出了基于用户浏览数据的协同过滤推荐方法,此推荐方法不但可以在一定程度上避免传统协同过滤方法的弊端,而且能为用户提供更高质量的推荐;最后简单评述了电子商务个性化推荐领域所面临的挑战及需解决的问题.7.学位论文罗胜阳协同过滤技术及其在电子商务推荐领域的应用研究2008随着互联网的普及和电子商务应用的广泛深入，人们在享受网上购物便捷性的同时也陷入了信息过载的困境，用户在大量的产品信息中难以找到自己需要的商品。因此，电子商务推荐系统应运而生。本文对电子商务推荐系统进行了较深入的研究，详细分析了各种个性化推荐技术在电子商务推荐领域的应用现状和前景。在此基础之上，重点研究了电子商务推荐领域的主流技术--协同过滤技术。在详细分析传统的基于项目的(Item-Based)协同过滤算法存在的问题的基础上，提出了一个新的基于项目关联性评分预测的协同过滤算法IAPCF。区别于传统的算法，IAPCF算法不是根据项目之间的相似度，而是根据项目之间的关联规则来寻找项目的最近邻居集合。实验结果表明，IAPCF算法比传统的基于项目的协同过滤算法具有更好的推荐精度。随着电子商务网站规模的增长，基于用户的(User-Based)协同过滤算法存在较严重的数据稀疏性问题，使得用户之间相似度的计算结果不准确，导致推荐质量急剧下降。本文结合上述提出的新算法IAPCF对此进行了改进。改进后的算法IAPCF-UB与传统算法的不同之处在于：在形成用户邻居阶段，计算用户间相似度时，先利用IAPCF算法，根据两两用户间评分项目的并集，预测用户对并集中未评分项目的评分，增加用户之间共同评分的项目数，从而可以解决用户-项目评分矩阵的极端稀疏性，使得计算得到的目标用户的最近邻居更加准确，从而提高算法的推荐精度。实验结果表明，在面对稀疏数据集时，改进算法IAPCF-UB相比于传统的基于用户的协同过滤算法能显著提高推荐质量。8.学位论文李悦基于协同过滤个性化商品推荐的网络商城系统2009随着Web2.0技术的普及和应用，电子商务以其成本低廉、便捷、快速、不受时空限制等优点得到广泛的应用。但是电子商务在提供服务的同时，也使得消费者和商家在寻找和推荐商品时变得更加困难。因此建立个性化推荐系统成为电子商务领域最为迫切的需求。br　　本文围绕电子商务系统进行设计与实现，在系统中采用协同过滤方法，根据用户行为特征为用户提供一对一的服务，帮助用户找到所需的商品，从而顺利完成购买过程。商家通过推荐系统能提高电子商务系统销售，保持与客户的联系，提高用户忠诚度和满意度。本文重点研究了电子商务个性化推荐系统及主要的推荐技术，特别是协同过滤算法，结合用户隐式和显示的输入信息方式，实现了基于用户的协同过滤算法、基于项目的协同过滤算法，并分析了基于用户近期兴趣视图的协同过滤算法。系统采用SQLServer2005数据库，运用C＃编程语言，在.NET2.0环境下进行开发，不仅实现了普通商城的功能，个性化推荐系统还可以直接与用户交互，通过多种推荐模式模拟商店销售人员向用户提供商品推荐，同时也发掘了用户的潜在购物兴趣，帮助用户找到所需商品，顺利完成购买过程。br　　通过试运行表明，该系统可以较为准确的向用户推荐商品，实现了商场导购员角色，同时也帮助商家更准确的了解用户的需求，提高了交易率，为电子商务做出了应有的贡献。9.期刊论文赵超超.ZhaoChaochao基于用户和基于项目结合的个性化推荐算法-内蒙古农业大学学报（社会科学版）2007,9(6)这篇文章说明了一种新的推荐算法,结合基于用户的协同过滤算法和基于项目的协同过滤算法各自的优点,在新算法中,首先利用基于用户的协同过滤算法确定一定数量的邻居,以保证推荐的个性化,然后在确定的邻居数据集上利用基于项目的算法模型进行推荐.最后将这种新算法和基于项目的协同过滤算法进行比较,实验结果表明这种新算法只用一少部分部分的最相似邻居用户就能得到基于项目算法的推荐质量,而且要比基于项目的推荐更加个性化.10.学位论文赵伟基于评分预测和概率融合的协同过滤研究2007随着互联网的普及和网络技术的不断发展，电子商务因其成本低廉、快捷、不受时空限制等优点在全球范围内得到普及和发展。而在这种虚拟环境下，商家所提供的产品种类和数量非常多，而且，从现实经验来看，用户的需求经常是不明确的、模糊的，可能会对某类产品有着潜在的需求，但并不清楚什么产品能满足自己的模糊需求，所以，如何向用户进行个性化产品推荐，将电子商务网站的浏览者转变为购买者，提高电子商务网站的交叉销售能力以及客户对电子商务网站的忠诚度，使得企业获得尽可能多的效益，成为电子商务的一个重要研究内容。推荐系统就是在这样的背景下与电子商务