基于社交電商的UGC智能推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、用戶產(chǎn)生內(nèi)容（User Generated Content，簡稱:UGC）是社交電商時(shí)期的主要信息模式。UGC呈現(xiàn)碎片化、海量、無序的特點(diǎn)，如何借助這些來自于社交電商的UGC數(shù)據(jù)來找到用戶感興趣的商品已經(jīng)逐漸成為一個(gè)急需解決的問題。目前已有的推薦系統(tǒng)大多基于指定的電商平臺，而基于來自社交電商平臺的UGC數(shù)據(jù)的推薦系統(tǒng)，所依據(jù)的數(shù)據(jù)雜亂，數(shù)據(jù)的主觀性強(qiáng)，如果用目前已有的推薦算法來進(jìn)行推薦的話，明顯已經(jīng)不適用了。為此本文提出了一種基于社交電

2、商UGC數(shù)據(jù)的智能推薦算法。為了提高推薦系統(tǒng)的精確度，本研究在利用潛在因子算法的原始用戶的初始推薦的基礎(chǔ)上，提出了一種新的基于多目標(biāo)模糊識別的用戶分組算法，并基于用戶隸屬度對傳統(tǒng)的協(xié)同過濾算法進(jìn)行了改進(jìn)，使得系統(tǒng)對用戶的推薦依賴于相似人群的興趣愛好并且新用戶的興趣愛好也對老用戶產(chǎn)生影響。
　　和傳統(tǒng)電商平臺相比，UGC電商平臺因?yàn)榇蟛糠钟脩糁辉u分過全部商品中很少一部分，數(shù)據(jù)碎片化現(xiàn)象嚴(yán)重，其數(shù)學(xué)抽象是一個(gè)稀疏矩陣。傳統(tǒng)的Slope

3、 One算法直接應(yīng)用于UGC推薦系統(tǒng)顯然不適合。本研究結(jié)合UGC平臺特點(diǎn)，針對有一定用戶和商品積累的UGC電商平臺，根據(jù)相似喜好的用戶群的特征能更好的推測用戶對陌生商品的喜好程度這一思想，著重解決基于用戶聚類的智能推薦。
　　通過算法研究和系統(tǒng)功能分析，本文對基于社交電商的UGC智能推薦系統(tǒng)進(jìn)行了系統(tǒng)架構(gòu)設(shè)計(jì)和功能分析，針對有一定用戶和商品積累的UGC電商平臺，研究并解決了新用戶進(jìn)入為系統(tǒng)帶來的兩個(gè)新的問題:一方而推測新用戶對系統(tǒng)