基于商品属性与用户聚类的个性化服装推荐研究

《基于商品属性与用户聚类的个性化服装推荐研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于商品属性与用户聚类的个性化服装推荐研究〔摘要〕淘宝网作为电子商务时代最大的网上零售平台，为用户提供越来越多的商品与服务的同时，也出现了信息过载等一系列问题。鉴于此，本文提出了基于商品属性与用户聚类的个性化服装推荐方法，通过用户个人信息与对商品的评价，计算用户之间的相似度，进行聚类分析。与此同时，将商品化整为零，通过商品属性来计算商品的相似度，得到top-N相似列表。以此，综合商品与用户两者的权重值，实现为用户提供个性化的商品推荐，解决用户面对信息过载的难题，为用户节省精力，提高用户的购物体验。针对某一淘宝网店铺，本文提出了适合的混合推荐算法，并通过搜

2、集实际数据进行了实证研究，对推荐结果进行准确性评价。中国4/vie　　〔关键词〕个性化；商品属性；用户聚类；混合推荐　　DOI：10.3969/j.issn.1008-0821.2015.09.031　　〔中图分类号〕F71336〔文献标识码〕A〔〕1008-0821（2015）09-0165-06　　〔Abstract〕Asthelargestonlineretailplatformintheeraofe-merce，Taobaoprovidesusersoreandmoregoodsandservices，butitalsohasaseriesofp

3、roblemssuchasinformationoverload.Inthisvieendationmethodbasedonmoditiesattributesandusersclustering.Accordingtouserspersonalinformationandhisorhermentofthemodity，thepapercouldcalculatethesimilaritiesbetintodifferentclusters.Meanodityasasetofattributesandcalculatesimilaritiesofthe

4、products.Thenthepapergotalistoftop-Nsimilarproducts.ilaritiesanduserments，itprovidedusersodityremendations，solvingtheproblemofinformationoverload.Itsaimedtosaveenergy，improvetheusersshoppingexperience.TaketheexampleofoneTaobaoshop，empiricalresearchiscarriedoutbycollectingtheactua

5、ldatatoevaluatetheprecisionofhybridremendationalgorithm.Andtheresultsodityattribute；userclustering；hybridremendation　　随着信息技术与互联网规模的发展，中国网民数量急剧增加，截至2014年12月底，我国网民数量达到649个亿[1]。互联网的用户基础，给电子商务提供了发展的温床。近10年来，电子商务呈现迅猛的发展态势，中国即将进入全民网购的时代。根据艾瑞咨询发布的网络购物市场数据[2]，2014年中国网络购物市场交易规模达到28万亿，增长48

6、7%，占社会消费品零售总额的107%。但是，随着越来越多的商家进入电子商务行业，在线销售市场更加的纷繁复杂。面对商品信息海洋，消费者在选购商品时需要采集、搜索大量的信息，才能做出最终的选择。　　信息过载问题使得消费者在进行网络购物时，需要花费甚至多于在实体店购物的时间与精力，这在很大程度上将会打击消费者的网购信心。为了节省消费者的购物精力，提高消费者的决策效率，电子商务网站的推荐系统应用而生。个性化推荐技术就是根据消费者的历史行为数据，预测消费者的兴趣爱好，并向消费者推荐其可能感兴趣的商品或服务，例如亚马逊网站的书籍推荐系统，虾米网站的音乐推荐等。　　作

7、为亚洲最大的网络零售商圈，截至2013年，淘宝网拥有近5亿的注册用户数，每天有超过6000万的固定访客，每天同时在线商品数已经超过了8亿件，为消费者提供海量商品与服务的同时，也面临着严重的信息过载问题。尽管，目前淘宝网也有实现简单的个性化推荐的功能，不过更多的是为商家营销服务。针对商品的个性化推荐问题，很多学者进行了研究，基于客户聚类的商品推荐[3]，根据客户的浏览、点击、收藏行为进行聚类，实现推荐；或是根据用户对商品的评分矩阵，进行协同过滤推荐[4]。　　1研究现状　　个性化推荐是建立在海量数据挖掘基础上的智能推荐平台，以帮助电子商务网站为用户提供个性

8、化的购买决策支持与信息服务。一个完整的推荐系统主要包括3个模块：用户模型、推荐算