電子商務環(huán)境下基于實時信息的單類協(xié)同過濾算法研究.pdf

1、互聯(lián)網(wǎng)的發(fā)展在給用戶帶來便利和驚喜的同時也帶來了困惑和無奈。用戶一方面享有豐富的信息資源，另一方面卻難以快速找到自己所需要的信息。20世紀末伴隨著電子商務的興起與發(fā)展，個性化推薦技術迅速發(fā)展起來并應用于電子商務推薦系統(tǒng)，其作用體現(xiàn)在避免用戶迷失于海量的物品信息中，幫助用戶做出決策，選擇出所需要的物品，提高物品的銷售量。近年來，伴隨著“大數(shù)據(jù)時代”的到來，信息超載、信息爆炸的頻現(xiàn)，個性化推薦技術中的協(xié)同過濾逐漸成為目前為止最成熟也最成功的

2、一項推薦技術。然而，在多數(shù)情況下，應用協(xié)同過濾技術的電子商務推薦系統(tǒng)收集到的往往是那些明確表達用戶偏好的數(shù)據(jù)，沒有考慮不能或是沒有表達用戶偏好的數(shù)據(jù)，導致推薦結果范圍小，推薦準確性不高。而利用非明確表達或未表達用戶偏好的數(shù)據(jù)進行的協(xié)同過濾就稱之為單類協(xié)同過濾(One Class Collaborative Filtering，簡稱OCCF)。
　　與協(xié)同過濾相比，單類協(xié)同過濾的研究較少，加之數(shù)據(jù)稀疏，給研究帶來一定難度，但同時這也

3、表明了單類協(xié)同過濾有潛在的研究價值和空間。本文在研究大量國內(nèi)外相關文獻的基礎上，選擇針對單類協(xié)同過濾存在的數(shù)據(jù)稀疏性問題和實時性問題提出解決方案。首先歸納總結了該領域研究的基礎方法，然后運用奇異值分解、矩陣加權逼近等方法，設計了單類協(xié)同過濾推薦算法，并建立了相應的模型。在權值的設定中，在以前研究者的基礎上，引入了實時信息:用戶關系管理相關的用戶近期瀏覽信息以及與物品生命周期相關的物品投入市場信息。最后，借助Matlab等軟件對所設計的算