電子商務(wù)個(gè)性化推薦系統(tǒng)中協(xié)同過(guò)濾算法的研究與應(yīng)用.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的發(fā)展和不斷完善,電子商務(wù)已經(jīng)覆蓋了整個(gè)營(yíng)銷(xiāo)網(wǎng)絡(luò),成為一種新的商務(wù)通信通道,為了使用戶(hù)得到更好的購(gòu)買(mǎi)體驗(yàn),個(gè)性化的推薦系統(tǒng)漸漸興起。個(gè)性化推薦系統(tǒng)對(duì)網(wǎng)站的歷史記錄進(jìn)行分析,挖掘用戶(hù)興趣,預(yù)測(cè)并推薦用戶(hù)可能感興趣的商品。協(xié)同過(guò)濾技術(shù)是個(gè)性化推薦系統(tǒng)中較常用的推薦技術(shù),但是隨著個(gè)性化推薦系統(tǒng)的發(fā)展及應(yīng)用,該技術(shù)存在的稀疏性、冷啟動(dòng)、可擴(kuò)展性等問(wèn)題日益成為推薦的瓶頸。
　　 經(jīng)過(guò)深入的研究和分析,本文對(duì)傳統(tǒng)的協(xié)同過(guò)濾算法進(jìn)

2、行了改進(jìn)。改進(jìn)的方法是首先在概念分層技術(shù)的基礎(chǔ)上,采用項(xiàng)目評(píng)分度等概念,對(duì)用戶(hù)-項(xiàng)目評(píng)分矩陣進(jìn)行縮減,構(gòu)建用戶(hù)-項(xiàng)目評(píng)分候選集,提高推薦算法的可擴(kuò)展性;其次引入“項(xiàng)目客觀特征偏向”和“興趣偏向度”概念,并對(duì)稀疏的用戶(hù)-項(xiàng)目評(píng)分候選集進(jìn)行更加合理的填充,以緩解數(shù)據(jù)稀疏性和冷啟動(dòng)問(wèn)題帶來(lái)的影響;最后在預(yù)測(cè)項(xiàng)目評(píng)分時(shí),使用用戶(hù)對(duì)一類(lèi)項(xiàng)目的評(píng)分平均值來(lái)度量用戶(hù)的評(píng)分習(xí)慣,提出基于項(xiàng)目類(lèi)評(píng)分尺度的推薦公式,以提高預(yù)測(cè)準(zhǔn)確性。
　　 經(jīng)過(guò)實(shí)