基于商品屬性的電子商務推薦系統(tǒng)研究.pdf

1、推薦系統(tǒng)是解決信息過載問題的有效手段,已經(jīng)引起了企業(yè)界和學術界的廣泛關注。為了減少稀疏矩陣、冷啟動等問題對推薦過程的影響,改善推薦系統(tǒng)的推薦效果和解釋能力,本研究在對現(xiàn)有的電子商務推薦系統(tǒng)研究成果分別從信息技術和商務應用的角度進行了梳理和分類的基礎上,從信息粒度和信息來源的角度研究了商品的屬性知識和用戶對商品屬性的偏好信息在推薦系統(tǒng)中的作用機理。
　　論文首先針對用戶經(jīng)常消費的商品提出了基于商品屬性的推薦算法和流程。參考信息檢索領

2、域的TFIDF算法,提出了在不增加消費者反饋工作量的前提下,將傳統(tǒng)的用戶商品評分矩陣轉(zhuǎn)化為用戶商品屬性評分矩陣的方法,并以此評分矩陣為基礎提出了基于商品屬性效用疊加、基于神經(jīng)網(wǎng)絡和基于屬性的協(xié)同過濾三種推薦方法。通過對國際互聯(lián)網(wǎng)上公開的數(shù)據(jù)集的計算表明本文提出的矩陣轉(zhuǎn)化方法能夠在一定程度上提升矩陣中數(shù)據(jù)元素的密度,提出的三種推薦方法也能在不同程度上解決推薦系統(tǒng)的稀疏矩陣和冷啟動的問題。
　　論文接著針對用戶不經(jīng)常消費的商品提出基于

3、定性的用戶購買目標和定量的專家商品領域知識的交互式推薦算法和流程。該交互式推薦算法以手段目標鏈理論模型為理論依據(jù),以商品屬性為中介。論文在理論分析的基礎上根據(jù)設計科學的研究范式,選用計算機商品為研究對象,設計了包括專家商品領域知識獲取和推薦交互功能的原型系統(tǒng)。實驗研究結(jié)果表明提出的交互式推薦過程能夠明顯降低用戶對選購類商品消費過程的感知復雜程度,顯著提高用戶消費過程中的決策效率。
　　論文最后提出在線評論中用戶商品屬性偏好信息的挖