基于神經網(wǎng)絡的屬性推斷技術研究及應用.pdf

1、個性化推薦系統(tǒng)因其帶來的巨大經濟效益在電子商務網(wǎng)站得到廣泛應用，但現(xiàn)有個性化推薦系統(tǒng)存在的問題卻制約著它的發(fā)展。當前個性化推薦系統(tǒng)是基于用戶和產品之間的相關關系，即通過用戶已有的購買行為或對產品的評價來預測用戶對待推薦產品的興趣度，進而進行個性化商品推薦。這就使得現(xiàn)有個性化推薦系統(tǒng)不可避免的會受到冷啟動、數(shù)據(jù)稀疏、可擴展性、實時性等問題的制約。
　　 通過對個性化推薦系統(tǒng)，以及目前幾個主要推薦技術的工作原理、存在問題和問題產生原

2、因的分析研究，探討了決定用戶消費意愿的根本原因。本質上來說，用戶的屬性決定著用戶的購買行為，如果能夠得知用戶屬性，并根據(jù)用戶的屬性進行產品推薦，則推薦會更有針對性、更準確。
　　 從因果關系角度研究用戶和產品之間的關系。提出屬性推斷的概念，根據(jù)用戶屬性進行個性化商品推薦，以期對現(xiàn)有問題的解決?；谏窠浘W(wǎng)絡的屬性推斷方法，是用神經網(wǎng)絡算法挖掘用戶的購買記錄，訓練用戶屬性和產品之間的關系模型，進而推斷出用戶的屬性。根據(jù)屬性推斷結果構

3、建用戶屬性和產品之間的因果關系表，并將之應用到個性化推薦過程中。
　　 通過實驗完成了對單個用戶屬性的推斷，并簡單實現(xiàn)了對用戶的個性化產品推薦。第一步，屬性推斷，利用交易記錄構建用戶屬性和產品之間的關系模型，由用戶所選產品推斷出用戶的屬性；第二步，基于單屬性的個性化推薦，利用原始數(shù)據(jù)中用戶的屬性訓練模型向用戶推薦產品，并計算推薦結果的正確率；第三步，基于屬性推斷的個性化推薦，利用第一步中推斷出的用戶屬性訓練模型向用戶推薦產品，并