推薦算法的研究及易物網(wǎng)的實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，人們可以獲取到海量的數(shù)據(jù)，這極大地促進(jìn)了人類的進(jìn)步。然而，隨著數(shù)據(jù)量的不斷增長(zhǎng)，如何在海量的數(shù)據(jù)中捕獲自己感興趣的信息已成為大數(shù)據(jù)分析的研究熱點(diǎn)之一，在這種情況下，個(gè)性化推薦技術(shù)應(yīng)運(yùn)而生。個(gè)性化推薦不僅可以提高用戶在有效的時(shí)間內(nèi)發(fā)現(xiàn)自己感興趣信息的效率，同時(shí)可以使商戶及時(shí)主動(dòng)的將有用信息提供給用戶。因此，研究個(gè)性化推薦算法具有極大的商業(yè)價(jià)值和意義，已經(jīng)引起了學(xué)術(shù)界和商業(yè)界的廣泛關(guān)注。因此，本文針對(duì)基于用戶的個(gè)性化協(xié)

2、同過(guò)濾算法進(jìn)行了研究并將算法應(yīng)用于構(gòu)建的易物網(wǎng)交易平臺(tái)，主要研究成果包括:
　　(1)針對(duì)協(xié)同過(guò)濾算法的數(shù)據(jù)稀疏這一問(wèn)題，本文提出了一種基于項(xiàng)目活躍度的填充算法。該算法對(duì)用戶的評(píng)分?jǐn)?shù)據(jù)進(jìn)行slope one預(yù)填充，有效地解決了單一使用用戶評(píng)分的個(gè)數(shù)來(lái)計(jì)算用戶相似度數(shù)據(jù)稀疏的問(wèn)題，填充的方式簡(jiǎn)單合理有效。與傳統(tǒng)填充方法相比，所提算法能夠增強(qiáng)數(shù)據(jù)的稀疏性和提高用戶相似度計(jì)算的精度。
　　(2)針對(duì)協(xié)同過(guò)濾算法數(shù)據(jù)稀疏的相似度計(jì)算

3、精確度的問(wèn)題，本文提出了一種基于距離懲罰因子的協(xié)同過(guò)濾算法。該算法將用戶間共同評(píng)分交集的所有評(píng)分距離作為懲罰因子來(lái)修正傳統(tǒng)皮爾森相似度，通過(guò)對(duì)相似度增加距離懲罰因子自適應(yīng)的調(diào)整用戶相似度，改善協(xié)同過(guò)濾優(yōu)化算法中用戶間相似度精確度。實(shí)驗(yàn)驗(yàn)證了所提算法的有效性。
　　(3)針對(duì)兒童繪本交易的實(shí)際問(wèn)題，構(gòu)建了易物網(wǎng)平臺(tái)并且將上述提出的協(xié)同過(guò)濾算法集成在實(shí)際平臺(tái)中。該平臺(tái)主要包括四個(gè)模塊:推薦圖書(shū)模塊、圖書(shū)交易模塊、會(huì)員管理模塊、圖書(shū)維護(hù)