一种基于用户交易行为的隐语义模型推荐算法

《一种基于用户交易行为的隐语义模型推荐算法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、一种基于用户交易行为的隐语义模型推荐算法梁婧文蒋朝惠贵州大学计算机科学与技术学院通过分析目前推荐技术在电子商务系统屮的应用优势，并针对当前产品交易系统的无评分、产品量大和难以分类等现状与问题，设计了一种基于用户交易行为的隐语义模型推荐算法。该算法从用户的隐式交易行为出发，采用隐语义模型推荐算法，构建用户-产品兴趣模型，并加入K均值算法划分隐式特征聚类。实验验证表明，该算法在满足用户的个性化需求的同吋，可提高电子商务系统的产品推荐效率。关键词：推荐算法;用广交易行为;隐语义模型;K均值算法;。基金：贵州省基础研宄重大项目（黔科合JZ字[2014]2001-21）Latentfactorm

2、odelrecommendationalgorithmbasedonusertransactionbehaviorLiangJingwenJiangChaohuiCollegeofComputerScienceandjechnology,GuizhouUniversity;Abstract：Throughanalysisoftheapplicationadvantagesofrecommendationtechnologyine-commercesystem,andinordertosolvethepresentsituationandproblemsoftheproducttradi

3、ngsystemwithoutscoring,largevolumeofproductsanddifficultclassification,alatentfactormodelrecommendationalgorithmbasedonusertransactionbehaviorwasdesigned,whichstartsfromtheimplicitusertransactionbehavior,andconstructstheinterestmodelbetweenusersandproducts,whichuseslatentfactormodelrecommendatio

4、nalgorithm,andK-meansalgorithmisusedtoclusterimplicitfeature-Theexperimentalresultsshowthatthealgorithmmeetstheindividualneedsofusers,andcanimprovetherecommendationefficiencyofe-commercesystem.Keyword：recommendationalgorithm;usertransactionbehavior;latentfactormodel;K-meansalgorithm;0引言电子商务网站是个性

5、化推荐系统的一个重要应用领域，各种著名的电子商务网站，例如亚马逊、淘宝、Netflix,京东等，都在各个方面使用到了个性化推荐,是个性化推荐技术最积极的应用者和推广者。在主流的电子商务系统中大都采用协同过滤(CollaborativeFiltering,CF)推荐算法U1，该算法是基于用户行为数据分析设计的，并且基于一种假设:用户过去喜欢的在未来也同样喜欢。最广泛使用的协同过滤算法有：(1)基于邻域(Neighborhood-based)的方法，包括基于用户(Userbased)和基于产品(Item-CF)的，通过分析与用户之前喜好相似的产品或者推荐给用户与他喜好相似的用户所关注的产品

6、来构成推荐模型；(2)隐语义模型(LatentFactorModel,LFM),使用某些隐含特征来关联用户兴趣和产品，并据此构建推荐模型。对于电子商务推荐系统来说，如何建立用户的偏好模型是首要问题，但当前产品交易系统存在无评分、产品量大、难以分类等问题，同时对协同过滤算法屮隐式反馈方面的研宄也越来越广泛。因此本文从用户的隐式交易行为出发，设计了一种基于用广交易行为的隐语义模型推荐算法(UserTransactionBehaviorforLatentFactorModel,UTB—LFM)o1相关工作自NetflixPrize推荐系统大赛之后，研宂荞对隐式反馈信息和隐语义模型越来越关注，

7、近几年人们对LFM的应用与研宄也越来越深入。2014年，YINFL、CHAIjpm等人在数字电视节目的推荐中使用了隐式特征模型，通过对观众行为进行分析，确定观众兴趣与观看电视节目之间的关系，并据此为观众建议节目类型。CHENC、ZHENGLD1等人在LFM中加入偏置项，证明推荐的准确度较原始的LFM推荐模型有所提高。2015年，张玉连Hl等人提出丫一种通过建立隐语义模型，分析用户和论文的特征向量进行科技论文的推荐，获得了较好的准确度。2016年