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

《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》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、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中国科学投术大学硕{。学位论文摘要互联网的普及和电子商务的迅速发展造成的信息的过载+用户在火量产品信息中雄以技到需要的东西，电子商务推荐系统廊运而生。它通过与删户的交互，分析其的行为，预测其偏好并向其推荐他们真正感兴趣的产品或服务。电子商务推荐系统能够帮助企业在激烈的电子商务竞争环境F，向用户提供个性化的服务，促进产品的销售，提高J

2、；{{户的忠诚度。目前电子商务推荐系统存在推荐策略单一、推荐自动化低、

3、缺乏个性化的推荐薅问题。针对这些不足，本文提出了根据产品和用户的不同特性米设计和选择相应的推荐策略。将产品按照购买频度，用户按照掌握信息量的高低分类，分别殴计不同的推荐策略和推荐模型，从而有效的满足大型电子商务系统中不同的推荐需求。本文研究了电予商务个性化推荐系统及主要的推荐技术和推荐算法，特别是协同过滤推荐算法和关联规则推荐算法，其中协同过滤推荐算法是目前应用犀成功的个性化推荐算法。但是．这两种推荐算法都存在的稀疏性问题严重影响了推荐系统的性能。为了解决这一问题，本文提出了一种基于概念分层的个性化推荐算法，引入概念分层的方法对项目空间分层，以减轻用户一项目评估矩阵的稀

4、疏性，同时使用交易数据和点击流致据进一步缓解输入数据的稀疏性，并将相似用户选择项与多层次关联规则推荐项相结合以弥补协同过滤推荐算法和关联规则推荐算法各自的不足。最后，设计仿真实验比较了基于概念分层的个性化推荐算法与协同过滤推荐算法。实验结果表明了基于概念分层的个性化推荐算法在稀疏数据集上优于协同过滤推荐算法的推荐性能。关键词：推荐系统，概念分层，协同过滤，数据挖掘，电子商务第1峡共68页一!里塑兰丝查叁兰塑：!兰堡堡兰AbstractThepopularizationofIntemetandthedevelopmentofE—Commercebroughtinforma

5、tionoverload．Thissituationmadeithardforconsumerstofindtheproductsandservicestheywanted．Recommendationsystemsemergedasthelimesreqmre．Bycommunicatingwiththeusersandanalyzingtheirbehavior,itcanpredicttheirpreferenceandrecommendproductsandserviceswhichtheyinterestin．Recommendationsystemscall

6、provideindividualizedservices．increasecross—sellandimproveloyalty．Atthepresenttimetherehadsomeissuesinrecommendationsystemssuchassimplexrecommendationstrategy，lowdegreeofrecommendationautomatization，lackofindividuality．ToaddresstheseiSsues．thisthesispresenteddifferentrecommendationstrate

7、giesbasedcharacteristicoftheproductsandconsumersrespectively．Itclassifiedproductsbypurchasingfrequencyandconsumersbythequantityofinformation．ThendifferentrecommendationstrategiesandrecommendationmodelweredesignedtosatisfytherecommendationdemandjBlargeE—Commercewebsite．Personalrecommendat

8、ionsystemanditsmajorrecommendationtechnologiesandalgorithms，especiallycollaborativefilteringwhichismostsuccessfullyappliedandassociationrulealgorithm，wereexploredinthisthesis．Butsparsityproblemexistsinthebothalgorithms，itresultinbadrecommendationperformance．Tosolvetheprob