基于用戶數(shù)據(jù)挖掘的博庫圖書商城推薦方法研究.pdf

1、隨著電子商務(wù)領(lǐng)域數(shù)據(jù)量的迅速增長(zhǎng)，電子商務(wù)已進(jìn)入以數(shù)據(jù)為基礎(chǔ)的時(shí)代，電商都希望抓住這一契機(jī)，將數(shù)據(jù)有效利用，個(gè)性化推薦已成為電商數(shù)據(jù)應(yīng)用的重要切入點(diǎn)，其作用就是為用戶提供高質(zhì)量的個(gè)性化推薦服務(wù)。通過收集大量用戶數(shù)據(jù)并挖掘隱含的用戶偏好，向用戶推薦個(gè)性化商品，刺激用戶的購物欲望，從而提高銷售額，獲得更大的利潤(rùn)。除此之外，個(gè)性化推薦還能挖掘出用戶潛在的購物意向，向客戶推薦到目前為止未接觸過但以后可能購買的商品信息。不僅能為用戶帶來優(yōu)質(zhì)的服務(wù)

2、，還能為電商企業(yè)帶來前所未有的利潤(rùn)，這也是個(gè)性化推薦廣泛應(yīng)用的原因之一。因此，電子商務(wù)企業(yè)的個(gè)性化推薦不僅可以提高企業(yè)的服務(wù)質(zhì)量，還可以促進(jìn)用戶購買。
　　本文以博庫圖書商城為研究對(duì)象，分析商城產(chǎn)生數(shù)據(jù)的類型，特點(diǎn)及用戶數(shù)據(jù)應(yīng)用中存在的問題，進(jìn)而分析商城數(shù)據(jù)挖掘過程及推薦方法，將用戶數(shù)據(jù)分為文本評(píng)論數(shù)據(jù)，基本特征數(shù)據(jù)，交易行為數(shù)據(jù)。在評(píng)論的數(shù)據(jù)挖掘中，將虛假評(píng)論過濾，基于情感詞提取圖書屬性，構(gòu)建圖書屬性庫，將用戶—圖書評(píng)分轉(zhuǎn)化為用

3、戶—屬性評(píng)分;在用戶基本特征和交易行為特征的挖掘中，挖掘衍生屬性，利用FCM聚類方法將用戶分為高價(jià)值用戶，中等價(jià)值用戶，普通價(jià)值用戶，低價(jià)值用戶，在四個(gè)類內(nèi)利用改進(jìn)的用戶相似性方法計(jì)算用戶相似性，利用用戶相似性填充用戶—屬性評(píng)分稀疏矩陣;基于填充后的矩陣得出目標(biāo)用戶偏好的最近鄰居集，計(jì)算用戶對(duì)未評(píng)屬性的評(píng)分，將目標(biāo)用戶對(duì)商品的所有屬性評(píng)分均值進(jìn)行排序，形成該用戶的Top-N推薦列表。完成推薦，通過實(shí)驗(yàn)證明推薦方法設(shè)計(jì)的準(zhǔn)確性。通過對(duì)博庫