面向企业用户的在线推荐算法研究.pdf

《面向企业用户的在线推荐算法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、学校代码：学号：面向企业用户的在线推荐算法研究102552081089RESEARCHoFoNLINERECoMMENDATIoNALGoRITHMFoRENTERPRISEUSER专业：姓名：指导教师：答辩日期：计算机软件与理论秦岭乐嘉锦2011年1月1O日东华大学学位论文原创性声明本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中己明确注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对所写的

2、内容负责，并完全意识到本声明的法律结果由本人承担。学位论文作者签名：·氘冬日期：2，of·年／月I／日东华大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密口，在——年解密后适用本版权书。本学位论文属于不保密囱。学位论文作者签名：袁碰指导教师签名：日期：如f『年／月，f日Et期：沙1

3、1年c月11日东华大学硕士研究生学位论文摘要面向企业用户的在线推荐算法研究摘要目前，电子商务领域中的推荐算法已经发展得比较成熟，尤其是协同过滤推荐算法以及由其所衍生出来的各种推荐算法。这些推荐算法主要应用于B2C的电子商务系统中。但是随着应用的不断深入，企业级的(B2B)电子商务系统越来越多，企业级电子商务系统对推荐算法的需求也愈加强烈。传统的协同过滤推荐算法有诸多弊病，在用户首次注册并登陆系统时存在冷启动问题，在某些特殊的领域或面对某些特殊的用户时又存在数据稀疏性问题，基于用户的协同过滤算法的时间复杂度高，对服务器的负荷

4、较大，而基于项目的协同过滤算法虽可线下预先运算，算法效率快，但却需要数据仓库的支持，给许多企业级电子商务系统带来麻烦，而且应用于企业用户的各种算法也在某种程度上有异于应用于B2C的算法。本文设计并实现了一个业内领先的企业级电子商务系统一一华贸易货交易所系统，并在对协同过滤等推荐算法进行深入研究，对比多种搜索、排序算法后，为该系统的商品推荐功能提供了一种面向企业用户的在线商品推荐算法，致力于追求高效率、高质量地推荐最热销又最符合客户需求的好商品。本算法利用电子商务系统中普遍存在的商品和企业的多级分类东华大学硕士研究生学位论文

5、摘要结构，快速而准确地确定了企业用户的最近邻居以及待推荐商品所涉及的交易记录，通过这些交易记录对商品进行评分，避免了算法执行过程中遇到的冷启动以及数据稀疏性问题。通过有效建立堆的数据结构，方便高效地根据评分结果对待推荐的商品进行排序，提高了算法的执行效率。由于时代的飞速发展，企业所需要的商品也在不断地更新换代，陈旧的商品显然不能满足企业日益增长的需求，因此本算法抛弃了对一定时间之前的交易记录，仅针对最近的交易记录进行分析，不仅优化了算法效率，更提高了推荐的质量，提高了客户满意度。由于根据交易记录所得出的推荐项可能存在商品已

6、经售完的问题，因此本算法使用LevenshteinDistance(编辑距离)字符串相似性算法寻找商品原发布者重新上架用来代替已售罄商品的新商品，解决了推荐项无效的问题。关键词：企业级；易货；推荐算法；协同过滤；编辑距离东华大学硕士研究生学位论文ABSTRACTRESEARCHoFoNLINERECOMMENDATIoNALGORITHMFoRENTERPRISEUSERABSTRACTCurrently,therecommendationalgorithmsinthee-commercedomainhavebeenwel

7、ldeveloped，especiallyincollaborativefilteringalgorithmsandthevarietyofrecommendationalgorithmderivedfromit．TheserecommendationalgorithmismainlyusedinB2Ce-commercesystem．Butwiththedevelopingofapplications，thenumberofbusiness-to-business(B2B)e。commercesystemsishilgh

8、lyincreased．SOtheneedsoftherecommendationalgorithmfromB2Be-commercesystemhavebecomeevenmoreintenseThetraditionalcollaborativefilteringalgorithmhasmanydr