基于協(xié)同過濾的移動電子商務(wù)推薦研究與應用.pdf

1、隨著移動互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，越來越多的用戶通過移動設(shè)備來獲取移動服務(wù)，具有移動性、個性化特征的移動電子商務(wù)是未來電子商務(wù)發(fā)展的新方向。網(wǎng)絡(luò)的蓬勃發(fā)展帶來電子商務(wù)網(wǎng)站中用戶和物品數(shù)目大量增長，如何快速找到用戶感興趣的物品已成為人們關(guān)注的焦點。相比傳統(tǒng)電子商務(wù)，移動電子商務(wù)用戶的上下文環(huán)境復雜多變，用戶需求日趨多樣化、個性化、移動化，因此人們期望能夠得到更個性化的服務(wù)。因此如何為用戶推薦符合其興趣和上下文情景的個性化服務(wù)是一項具有挑戰(zhàn)性的

2、研究課題。本課題在深入研究已有個性化推薦技術(shù)的基礎(chǔ)上，針對移動電子商務(wù)的特性，研究并設(shè)計了一種基于協(xié)同過濾的移動電子商務(wù)個性化推薦算法。
　　首先，針對當前用戶評分數(shù)據(jù)稀疏性問題，提出了采用貝葉斯分類對移動上下文情景進行分類，根據(jù)情景類別進行數(shù)據(jù)預測填充，針對不同情景下的用戶興趣進行綜合相似度度量，根據(jù)用戶綜合相似度進行數(shù)據(jù)填充，該算法可有效改善個性化推薦的精度。
　　其次，在對比分析當前移動電子商務(wù)個性化推薦理論及方法的基

3、礎(chǔ)上，結(jié)合用戶興趣和移動上下文情景，在移動上下文情景中加入活動狀態(tài)屬性，提出一種新的用戶情景模型。相對于傳統(tǒng)的推薦模型，挖掘用戶興趣偏好更加準確，在很大程度上提高了推薦效率。
　　再次，基于改進的用戶模型設(shè)計了一種針對移動電子商務(wù)中個性化推薦的混合協(xié)同過濾算法，即改進的UC-CF算法。該算法基于情景相似和商品相似融合進行評分預測，通過模型和算法的改進提升商品推薦的精度。
　　最后，通過模擬實驗對改進模型及算法的性能進行驗證，