基于協(xié)同過濾的門戶網站個性化推薦引擎構建研究.pdf

1、傳統(tǒng)門戶網站一直沿用著資訊欄目堆砌模式，將海量信息堆積在門戶網頁上供用戶瀏覽。堆砌模式具有在有限版面上置入大量信息的優(yōu)勢，可以滿足不同興趣偏好用戶的多樣化需求，但也存在著用戶獲取信息效率低和獲取信息同質化的兩大問題。推薦引擎是用戶發(fā)現(xiàn)信息的重要工具，通過機器學習方法對網站流量數(shù)據(jù)進行挖掘，分辨出用戶的行為模式、興趣偏好等，向用戶推薦適合的內容，可以有效地解決傳統(tǒng)門戶網站存在的兩大問題。
　　本文首先介紹了互聯(lián)網信息過載的時代背景，

2、分析了目前傳統(tǒng)門戶網站所面臨的問題，提出了應用推薦引擎開展個性化信息推薦的解決思路，同時介紹了推薦系統(tǒng)的相關基本理論、機器學習方法及其研究現(xiàn)狀。其次，闡述了個性化信息推薦的相關概念，對推薦系統(tǒng)在電子商務、互聯(lián)網廣告、本地化生活服務三個互聯(lián)網熱點領域的應用場景進行歸納，并重點描述了基于協(xié)同過濾原理的個性化信息推薦流程。再次，分析了zcsl.cc網站運營流程和主要的量化指標，指出提高轉化率是zcsl.cc網站商業(yè)模式成功的關鍵。進而圍繞zc

3、sl.cc網站商業(yè)模式的核心點，提出了個性化推薦引擎構建的三個主要問題：用戶興趣愛好歸納存在的問題，網站內容同質化存在的問題，個性化推薦內容準確度的問題。然后，研究了個性化推薦引擎解決上述三個問題的原理，并給出了具體方法：應用聚類技術創(chuàng)建代表用戶，應用關聯(lián)分析歸集代表用戶的興趣項集合，應用協(xié)同過濾算法計算在線用戶相鄰代表用戶感興趣的內容并給出推薦結果。最后，結合R軟件，以zcsl.cc網站的用戶訪問行為日志數(shù)據(jù)作為實驗的數(shù)據(jù)，進行聚類、