電子商務(wù)推薦系統(tǒng)研究——新用戶和用戶興趣變化問題研究.pdf

1、為解決由Internet的普及和迅速發(fā)展所帶來的信息超載問題，電子商務(wù)推薦系統(tǒng)應(yīng)運而生。它與用戶進行交互，對用戶的興趣愛好進行預(yù)測，從而推薦用戶所感興趣的產(chǎn)品，以保證用戶對企業(yè)的滿意度和忠誠度。 現(xiàn)存的推薦系統(tǒng)在取得了一定成功的同時也顯示出相當多的弱點，如個性化程度低，推薦效率低等。針對上述問題，本文首先對電子商務(wù)推薦系統(tǒng)的基本概念和算法，尤其是協(xié)同過濾算法進行了介紹及比較分析。然后分別針對目前推薦系統(tǒng)中研究較少的新用戶問題和用

2、戶興趣隨時間而變化的問題進行了算法研究。分別提出了基于模糊聚類的推薦算法和基于客戶行為序列的推薦算法。 基于模糊聚類的推薦算法利用模糊聚類計算目標用戶對產(chǎn)品的評分，利用產(chǎn)品相似性對相似產(chǎn)品進行過濾，從而選擇合適的產(chǎn)品進行推薦。 基于客戶行為序列的推薦算法將客戶歷史記錄時間進行分段，并在各時間段對用戶進行聚類，從而挖掘出客戶行為序列規(guī)則。將目標客戶的行為序列與行為序列關(guān)聯(lián)規(guī)則進行對比，并根據(jù)規(guī)則進行推薦。 最后，通