基于商品分类的电子商务推荐系统设计-论文.pdf

《基于商品分类的电子商务推荐系统设计-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第5期计算机应用与软件V0l_3lNo．52014年5月ComputerApplicationsandSoftwareMav2014基于商品分类的电子商务推荐系统设计刘凤霞孙家蓉(上海立信会计学院工商管理学院上海201600)(上海立信会计学院外语学院上海201600)摘要网络的虚拟性导致信任关系难以建立，交易决策困难。个性化推荐系统可以处理信任评估中的主观因素，提高交易预测的准确性。基于协同过滤的思想建立一个模糊信誉管理系统，突出对一手信息的处理与个性化共享。在一般节点上，采用二层的模糊推理逻辑适应人类的思维习惯，并通过对最近邻可靠值属

2、性的调整定制信任评估；通过超级节点计算和汇总商品分类的信誉值、推荐力等全局变量，依据幂律分布规律设计取值的模糊化函数。最后通过示例说明了系统应用的可行性。关键词电子商务协同过滤推荐信誉系统信任评估模糊推理中图分类号TP3文献标识码ADOI：10．3969／j．issn．1000-386x．2014．05．009DESIGNINGE．CoMMERCERECoMMENDATIoNSYSTEMBASEDoNMERCHANDISECATEGoRYLiuFengxiaSunJiarong(SchoolofBusinessAdministration，Sha

3、nghaiLixinUniversityofCommerce，Shanghai201600，China)(SchoolofFore~Studies，ShanghaiLixinUniversityofCommerce，Shanghai201600，China)AbstractVirtualpropertyofthenetworkcausesdificultiesincreatingtrustablerelationshipandhenceintradedecision．Thecustomisedrecommendationsystemcandeal

4、withthesubjectivefactorsintrustevaluationprocessingandthusimprovetheaccuracyoftradeforecasting．Inthepaperweestablishafuzzyreputationmanagementsystembasedonthethoughtofcollaborativefiltering，whichemphasisestheprocessingandcustomisedsharingofthefirst—handdata．Ongeneralnode，atwo

5、—layerfuzzyreasoninglogicisappliedforadaptingtothehumanthinkinghabit，andthetrustevaluationiscustomisedbytheadjustmentonreliabilityattributeofthenearestneighbour．Throughsupernodewecalculateandaggregatetheglobalvariablesofthereputationvalueofmerchandisecategoriesandtherecommend

6、ationpower，anddesignthevaluedfuzzedfunctionaccordingtopower—lawdistributionrule．Inendofthepaperweillustratethefeasibilityofthesystemapplicationthroughagivenexample．KeywordsE-commerceCollaborativefilteringrecommendationReputationsystemTrustevaluationFuzzyreasoning为背景进行相似度的计算，从

7、而得出不同类商品历史交易信息0引言对用户推荐的贡献权重。但是这种相似度计算的结果会由于交易各方在商品类归属方面的分歧存在较大差异。其他处理当今世界愈发开放和紧密相连，消费者因为具备了无所不主观信息的方法还包括度量评价向量间的距离J、利用社会网在的接触渠道拥有了丰富的选择。但是，面对殷勤的产品或服络、信任图推理J、模糊推理记录邻居可靠值等。本文设务提供商，买方并不总是能够乐享竞争创造的好处，最迫切的需计了一个二层模糊推理逻辑，用于适应人类的思维习惯，通过调要是建立个性化的推荐系统。保证推荐个性化实现的途径为：整邻居的可靠值实现推荐系统的个性化。获取

8、用户的特征一发现用户间及用户与信息间的相关性一整合识别用户特征最直接的信息源是一手信息，处理好一手信多源信息一计算信誉值一建立和维护信任