基于混合方法的电子商务推荐系统的研究与应用

《基于混合方法的电子商务推荐系统的研究与应用》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、广东工业大学硕士学位论文基于混合方法的电子商务推荐系统的研究与应用姓名：顾牡丹申请学位级别：硕士专业：计算机应用技术指导教师：傅秀芬20100501摘要摘要随着互联网的普及和电子商务的快速发展，电子商务系统提供更多选择的同时，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，无法顺利找到自己所需商品。电子商务推荐系统解决了“信息迷航"和“信息过载"问题，实现了直接与用户交互，帮助用户快速找到他们真正所需购买的商品。电子商务推荐系统能有效保留用户、防止客户流失，提高电子商务系统的销售量。但当前的电子商务推荐系统在实际运用中还相当不成

2、熟，仍然存在推荐质量不高、推荐实时性差、数据稀疏性、冷启动等问题。针对电子商务推荐系统面临的主要挑战，本文通过文献综述分析了当前国内外电子商务推荐系统研究现状，归纳了主要推荐技术的优缺点。在原有的组合推荐系统基础上，推出一种基于内容过滤、协同过滤和Web数据挖掘的混合方法推荐系统，以协同过滤为主，内容过滤为辅，利用内容过滤来弥补协同过滤的缺点，解决数据的稀疏性问题和扩展性问题，同时结合基于Web数据挖掘的推荐技术综合应用，通过浏览器的方式进行用户评分数据收集与推荐结果显示，解决非注册用户的行为模式，有效提高推荐系统的推荐质量和推荐效率。基于

3、协同过滤产生的数据稀疏性问题，以及冷启动和扩展性问题，恰恰可通过基于内容过滤的推荐方法来进行改善，同时利用Web数据挖掘技术解决大量用户信息，特别是非注册用户的行为模型，三种推荐方法的互补性使得各自的优点均得到发挥。该混合推荐技术充分利用了用户的相关信息，结合用户隐性兴趣和显性兴趣，使得推荐结果更符合用户需求。本文的主要研究工作包括：(1)对当前国内外主流推荐技术进行研究分析，发现普遍存在推荐方法单一、推荐自动化程度低和缺乏个性化推荐等问题。(2)提出基于协同过滤为主，Web挖掘和内容过滤为辅的转换型混合推荐方法，详细介绍了该混合方法模型设

4、计与实现，该方法的优势在于有效的弥补各自算法缺陷，同时充分发挥了各自的优势。(3)以设计基于混合方法的数码电子商务推荐系统实验型网站为实例，并与其他采用传统推荐方法的推荐系统作比较，得出客观有效的测试结果。关键词：推荐系统；电子商务：混合推荐；协同过滤广东工业大学硕士学位论文ABSTRACTWiththepopularityoftheInternetandtherapiddevelopmentofE-commerce，E-commerceSystem,whileprovidingmorechoices，itsstructurebecomes

5、morecomplex，usersareoftenlostintheinformationspaceofalargenumberofgoodscannotsuccessfullyfindtheproductstheyneed．E-commerceRecommendationSystemsolvesthe”informationTrek”and”informationoverload”problem,achievesadirectand．userinteractiontohelpusersquicklyfindwhattheyreallyne

6、edtobuy．E-commerceRecommendationSystemcankeeptheusers，preventlossofcustomers，increasesalesonE-commerceSystems．However,thecurrentrecommendationsysteminpracticalUSeisstillquiteimmature，therearestilllowrecommendsquality,badrecommendedrealqimeperformance，datasparseness，coldsta

7、rtproblems．ForthemajorE—commerceRecommendationSystemfaces，thisliteraturereviewanalyzedthecurrentstatusofdomesticandinternationalE·commerceRecommendationSystemsummarizedthemainadvantagesanddisadvantagesofrecommendedtechnology．Basedontheoriginalcombinationrecommendationsyste

8、m,introducingacontent—basedfiltering，collaborativefilteringandhybridWebdataminingmethodsr