基于時(shí)間效應(yīng)的網(wǎng)上商場(chǎng)推薦系統(tǒng)研究與應(yīng)用.pdf

1、移動(dòng)電子商務(wù)應(yīng)用于商場(chǎng)購(gòu)物之中可以給人們的購(gòu)物帶來(lái)便利，但商場(chǎng)信息過(guò)載問(wèn)題卻影響了人們快速且合適的選擇商品，推薦系統(tǒng)的產(chǎn)生在一定程度上解決了此類(lèi)問(wèn)題。然而，用戶隨著時(shí)間發(fā)生的興趣轉(zhuǎn)移，對(duì)商品的動(dòng)態(tài)推薦產(chǎn)生了需求。本文提出了基于時(shí)間效應(yīng)的推薦系統(tǒng)，以根據(jù)時(shí)間變化動(dòng)態(tài)生成推薦商品，支持精準(zhǔn)營(yíng)銷(xiāo)。
　　本文在對(duì)個(gè)性化推薦技術(shù)及數(shù)據(jù)挖掘等相關(guān)理論進(jìn)行學(xué)習(xí)的基礎(chǔ)上，分析了時(shí)間因素對(duì)用戶興趣所造成的影響，著重對(duì)基于時(shí)間效應(yīng)的協(xié)同過(guò)濾推薦算法進(jìn)

2、行了研究。協(xié)同過(guò)濾推薦算法是指為用戶推薦與其志趣相投的其他用戶感興趣的商品，本文基于時(shí)間效應(yīng)的協(xié)同過(guò)濾推薦算法首先考慮了不同用戶對(duì)商品的不同評(píng)價(jià)標(biāo)準(zhǔn)，以及不同類(lèi)別的商品被用戶評(píng)價(jià)也會(huì)有所差異的情況下，對(duì)商品評(píng)價(jià)進(jìn)行歸一化處理得到評(píng)價(jià)趨勢(shì)，修正了用戶對(duì)商品的評(píng)價(jià)矩陣，然后在艾賓浩斯遺忘曲線的啟發(fā)下，認(rèn)為人們對(duì)自己歷史購(gòu)物行為的遺忘也是符合非線性遺忘的規(guī)律，引入評(píng)價(jià)影響時(shí)間窗的概念，即認(rèn)為用戶對(duì)商品評(píng)價(jià)信息的影響力在此時(shí)間段內(nèi)保持不變，然后

3、通過(guò)添加時(shí)間窗這個(gè)參數(shù)對(duì)傳統(tǒng)的時(shí)間權(quán)重函數(shù)進(jìn)行了改進(jìn)，得到了新的時(shí)間加權(quán)函數(shù)，使得用戶對(duì)商品的評(píng)價(jià)更接近其對(duì)當(dāng)前推薦的實(shí)際影響力，構(gòu)建了時(shí)間加權(quán)的商品評(píng)價(jià)矩陣，解決了用戶興趣隨時(shí)間遷移而發(fā)生改變的問(wèn)題，接著改進(jìn)了傳統(tǒng)的相似用戶聚類(lèi)算法，通過(guò)在計(jì)算用戶之間相似度的時(shí)候加入時(shí)間權(quán)重，將當(dāng)前興趣真正相似的用戶聚類(lèi)，使得聚類(lèi)更加準(zhǔn)確，并且在協(xié)同過(guò)濾之前構(gòu)造目標(biāo)用戶的最近鄰搜索候選集，使得本算法較為簡(jiǎn)單易計(jì)算，能夠較快地響應(yīng)用戶，再通過(guò)基于用戶的