电子商务个性化推荐系统研究——个性化产品推荐策略研究及算法设

中国科学技术大学硕士学位论文电子商务个性化推荐系统研究——个性化产品推荐策略研究及算法设计姓名：熊馨申请学位级别：硕士专业：管理科学与工程指导教师：王卫平20050401电子商务个性化推荐系统研究——个性化产品推荐策略研究及算法设计作者：熊馨学位授予单位：中国科学技术大学参考文献(36条)1.参考文献2.SchaferJB.KonstanJ.RiedlJE-commercerecommendationapplications2001(01)3.Resnick.VarianRecommendationsystems1997(03)4.RDLawrence.GSAlmasi.VKotlyar.MS.Viveros,S.S.DuriPersonalizationofsupermarketproductrecommendations20005.Goldberg.DNichols.DOki.B.M.Terry,DUsingcollaborativefilteringtoweaveaninformationapestry19926.JKonstan.BMiller.DMaltz.J.Herlocker,L.Gordon,J.RiedlGroupLens:ApplyingcollaborativefilteringtoUsenetnews1997(03)7.ResnickP.IacovouN.SuchakM.Bergstrom,P.Riedl,JGroupLens:Anopenarchitectureforcollaborativefilteringofnetnews19948.UShardanand.PMaesSocialinformationfiltering:algorithmsforautomationwordofmouth19959.MarkoBalabanovic.YoavShohamFAB:Content-basedcollaborativerecommendation1997(03)10.王珊数据仓库技术和联机分析处理199811.JiaweiHan.MichelineKamberDataMiningconceptsTechniques200012.BelkinN.CroftBWInformationfilteringandinformationretrieval:twosidesofthesamecoin?199213.LoebSArchitectiogpersonalizeddeliveryofmultimediainformation199214.ShneidermanBDesigningtheuserinterface:strategiesforeffectivehuman-computerinteraction199815.曾春.刑春晓.周立柱个性化服务技术综述1961(10)16.HerlockerJUnderstandingandimprovingautomatedcollaborativefilteringsystems200017.SarwarB.KarypisG.KonstanJAnalysisofrecommendationalgorithmsforE-commerce200018.SarwarB.KarypisG.KonstanJItem-basedcollaborativefilteringrecommendationalgorithms200119.BreeseJS.HechermanD.KadieCEmpiricalanalysisofpredictivealgorithmsforcollaborativefiltering199820.ChienYH.GeorgeEIABayesianmodelforcollaborativefiltering199921.AggarwalCC.WolfJL.WuKHortinghatchesanegg:anewraph-theoreticapproachtocollaborativefiltering199922.KarypisGEbaluationofitem-basedtop-nrecommendationalgorithms200123.Wei-PoLee.Chih-HungLiu.Cheng-CheLuIntelligentagent-basedsystemsforpersonalizedrecommendationsinInternetcommerce200224.慕春棣.戴剑彬.叶俊用于数据挖掘的贝叶斯网络[期刊论文]-软件学报2000(5)25.ChickeringD.HeckermanD.MeekCABayesianapproachtolearningBayesiannetworkswithlocalstructure199726.余力.刘鲁.罗掌华我国电子商务推荐策略的比较分析[期刊论文]-系统工程理论与实践2004(8)27.殷信义.刘锦高.吴添华.何炜丽.Mohammed智能网站Agents的研究[期刊论文]-计算机应用研究2002(1)28.邹显春.谢中.周彦晖电子商务与Web数据挖掘[期刊论文]-计算机应用2001(5)29.LindenG.SmithB.YorkJAmazon.comrecommendations:item-to-itemcollaborativefiltering2003(01)30.ClaypoolM.LeP.WasedaM.Brown,DImplicitinterestindicators200131.赵亮.胡乃静.张守志个性化推荐算法设计[期刊论文]-计算机研究与发展2002(8)32.邓爱林电子商务推荐系统关键技术研究[学位论文]博士200333.ChoonhoKim.JuntaeKimARecommendationAlgorithmUsingMulti-LevelAssociationRules200334.YoonHoCho.JaeKyeongKim.SoungHieKimApersonalizedrecommendersystembasedonwebusagemininganddecisiontreeinduction200235.查看详情36.StuartRussell.PeterNorvig人工智能--一种现代方法2004相似文献(7条)1.学位论文张嵬医学信息资源个性化推荐系统的设计与模型研究2007信息资源个性化推荐系统，是一种新型的信息资源服务形式，它主要的作用是辅助用户在海量的信息中，最快、最有效的发现自身所需的信息。而其所采用的个性化服务推荐技术，是一种在特定类型的数据库中进行知识发现的应用技术，它使用多种数据分析方法向用户主动、及时、准确地提供所需信息，并能根据用户对推荐内容的反馈进一步改进推荐结果。常用的个性化服务推荐技术包括三种：信息检索与信息抽取、基于内容的过滤和协同过滤、数据挖掘与知识发现。其中协同过滤被认为是至今为止在信息资源个性化推荐系统中最常用、最成功的一种个性化推荐技术。本研究的目的是针对医学信息资源的特点，采用一种新型的主题词概念分层的协同过滤算法，对于传统的协同过滤算法的缺陷进行改进，提高推荐的效果和质量。并以此为基础，构建一个医学信息资源个性化推荐系统的实例-MedPRS实验系统。MedPRS系统由四部分组成，分别为用户子系统、资源检索子系统、资源推荐子系统和暂存信息库。其中资源推荐子系统作为整个系统的核心，主要负责本实验系统中主题词概念分层协同过滤推荐算法的实现。它首先通过主题词概念分层对数据进行预处理，继而对不同的目标资源赋予不同的权重系数，然后采用常用的相似性算法，生成最终的推荐结果，并通过不断的重复操作优化推荐结果的质量。经过初步的测试分析，主题词概念分层协同过滤推荐算法可以显著的提高查询效率和推荐结果的质量。2.学位论文张晓敏电子商务个性化推荐系统中协同过滤技术及应用研究2007互联网的普及和电子商务的迅速发展造成了信息的过载，用户在大量的产品信息中难以找到需要的商品，因此电子商务推荐系统应运而生。但当前的电子商务推荐系统在实际运用中还相当不成熟，仍然存在许多问题，如推荐质量受到稀疏的用户评价数据的严重影响，系统的可扩展性能差，推荐缺乏多样性无法涵盖用户的完整兴趣等。论文针对这些当前推荐系统中存在的主要问题，对电子商务个性化推荐系统中的推荐策略和推荐算法等关键技术进行了有益的探索和研究。在推荐策略研究方面，论文分析了当前的电子商务系统在不同场合不同情况下所需使用的不同类型的推荐策略。针对销售频繁购买商品的电子商务系统，分析了此类系统的推荐需求，提出了应用于此类电子商务系统的具体推荐策略，即产生满足推荐准确性和新颖性的主top-N推荐列表，产生满足推荐完整性和多样性的副top-N推荐列表，产生增加新商品受关注力度的新加入商品列表，产生最近最畅销商品排行榜。在推荐算法设计方面，论文研究了当前个性化推荐的主流技术——协同过滤。对该算法中影响推荐质量的稀疏性问题和影响用户满意度的推荐完整性问题进行了深入分析，引入了“概念分层”和“社区过滤”技术对协同过滤算法进行改进，设计出了能够实现论文所提出的推荐策略的改进算法。针对协同过滤算法中的稀疏性问题，论文利用“概念分层”的思想，建立起基于项目种类概念层次树的用户兴趣模型来发现项目间隐含的联系，以缓解用户一项目评估矩阵中用户评价数据的稀疏程度，帮助用户找到准确的邻居得到更准确的推荐。针对算法中存在的推荐完整性问题，论文引入“社区过滤”技术，将用户兴趣按项目种类进行划分，形成不同“社区’’，向用户产生不同“社区”上的推荐，以满足用户了解不同商品种类的需求，使推荐充分体现用户的完整兴趣。对论文提出的改进算法进行了仿真实验，经过实验验证，基于概念分层的协同过滤改进算法在推荐的准确性、完整性、多样性等方面均优于传统算法，特别是在稀疏的用户评价数据集上体现出了良好的推荐性能。3.期刊论文熊馨.王卫平.叶跃祥.XIONGXin.WANGWei-ping.YEYue-xiang基于概念分层的个性化推荐算法-计算机应用2005,25(5)协同过滤算法(collaborativefiltering)目前较为成功地应用于个性化推荐系统中,但随着系统规模的扩大,面临很严重的稀疏性问题,制约了推荐效果.文中提出概念分层的方法对用户-项矩阵进行改进,同时使用交易数据和点击流数据,将相似用户选择项与多层次关联规则推荐项相结合,在稀疏数据集上表现出较好的性能.4.学位论文罗淦文基于Item-based协同过滤推荐的警务公开系统的设计与实现2009警务公布系统就是在对我国公安机关建设取得了长足的进步和积累了大量案件数据并进行了集中和整合的基础上，通过引入电子商务中协同过滤推荐模型和其它相关的各种挖掘及分析算法，发掘数据的内在规律，实现数据的深度利用。一方面帮助公安部门查找案件类似的关联案情，从而有利于案情的分析和破解；另一方面也可以方便普通民众浏览和搜索相关案情，从而有利于民众交流、监督和评价。论文针对这些当前推荐系统中存在的主要问题，对个性化推荐系统中的推荐策略和推荐算法等关键技术进行了有益的探索和研究，分析了当前警务分析系统在不同场合不同情况下所需使用的不同类型的推荐策略，提出了应用于此类警务公开系统的具体推荐策略，即产生满足推荐准确性和新颖性的主Top—N推荐列表，产生满足推荐完整性和多样性的副Top—N推荐列表，以及最近、最重要、受关注力度最显著的案例列表。在推荐算法设计方面，论文研究了当前个性化推荐的主流技术——协同过滤。对该算法中影响推荐质量的稀疏性问题和影响用户满意度的推荐完整性问题进行了深入分析，引入了“概念分层”和“社区过滤”技术对协同过滤算法进行改进，设计出了能够实现论文所提出的推荐策略的改进算法。针对协同过滤算法中的稀疏性问题，论文利用“概念分层”的思想，建立起基于项目种类概念层次树的用户兴趣模型来发现项目间