基于多行為融合的電商推薦系統(tǒng)研究與實現(xiàn).pdf

1、近年來，隨著電子商務(wù)的發(fā)展，越來越多的消費者開始網(wǎng)上購物。一方面，消費者通過搜索的方式查找商品；另一方面，電子商務(wù)系統(tǒng)通過消費者的歷史購買記錄分析消費者的愛好，進而為消費者推薦與其愛好相近的商品。由于推薦可以有效地發(fā)現(xiàn)消費者潛在愛好的商品，對提高電子商務(wù)系統(tǒng)的銷售業(yè)績幫助明顯，因而越來越受到各大電商的重視。
　　作為中國乃至全球最大的電商之一，阿里巴巴2014年舉辦了一場大數(shù)據(jù)競賽。此次競賽基于天貓海量用戶真實的訪問數(shù)據(jù)，通過分析

2、用戶過去4個月的訪問日志，發(fā)現(xiàn)用戶的愛好，進而為用戶推薦商品。本文正是基于這場競賽，研究了如何在對用戶和商品屬性信息缺乏了解的情況下，根據(jù)用戶訪問天貓商品的歷史記錄，實現(xiàn)對用戶的個性化推薦。
　　首先使用了推薦領(lǐng)域應(yīng)用比較廣泛的協(xié)同過濾技術(shù)。協(xié)同過濾依賴于用戶對商品的評分，受競賽數(shù)據(jù)限制，在缺乏用戶評分的情況下，我們?nèi)诤嫌脩舻亩喾N行為類型，通過分析用戶對商品的訪問日志構(gòu)建用戶對商品的評分表，然后使用皮爾遜相關(guān)性度量商品的相似度并完

3、成推薦。由于電子商務(wù)系統(tǒng)中商品種類眾多，用戶訪問過的商品只占商品總數(shù)的很小一部分，導(dǎo)致用戶對商品的評分十分稀疏，使得使用協(xié)同過濾計算的商品相似度準(zhǔn)確率較低，因而推薦效果較差。為了避免這個問題，我們引入了兩種基于回歸的方法，即邏輯回歸和梯度提升回歸樹通過預(yù)測用戶將來購買商品的概率來為用戶實現(xiàn)推薦。本文從數(shù)據(jù)預(yù)處理、噪音數(shù)據(jù)消除、特征提取、特征選擇、平滑處理、正則化處理等多個方面詳述了如何使用邏輯回歸和梯度提升回歸樹構(gòu)建推薦系統(tǒng)。邏輯回歸本