基于混合算法的個性化電子商務推薦系統(tǒng)研究.pdf

1、本文著重對推薦系統(tǒng)及其核心的推薦方法進行研究. 首先，研究推薦系統(tǒng)。針對推薦質量和實時性要求，構建合理的推薦系統(tǒng)。將推薦系統(tǒng)劃分為在線實時推薦和模型處理兩部分.用戶在線瀏覽電子商務網(wǎng)站時，在線部分實時輸出反映用戶興趣的個性化推薦列表.模型處理部分主要根據(jù)所收集的數(shù)據(jù)以及不同的模型算法，得到模型輸出，作為在線推薦的依據(jù).特別提出對于新用戶和新商品采用結合不同方法的推薦機制，在一定程度上解決冷啟動問題，提高推薦質量。 其次，

2、研究推薦方法。推薦方法主要包括：基于內容推薦、協(xié)同過濾推薦、混合推薦、數(shù)據(jù)挖掘等方法.其中，協(xié)同過濾算法是比較成功的推薦方法.而針對基于聚類的協(xié)同過濾推薦算法的效率和質量方面的不足，提出使用Fuzzy ART算法，發(fā)揮其學習性與適應性的特點。建立基于Fuzzy ART的推薦算法，進行實驗分析，并與傳統(tǒng)方法進行比較，證明Fuzzy ART算法有助于提高推薦質量. 再次，針對Fuzzy ART算法存在的數(shù)據(jù)稀疏性問題和冷啟動問題，提

3、出使用Fuzzy ART結合基于內容的改進推薦方法.將商品特征信息與用戶的偏好結合，得到用戶偏好模型.根據(jù)用戶偏好模型利用Fuzzy ART分類，預測用戶的推薦結果.比較分析結果顯示結合基于內容的推薦方法在一定程度上解決稀疏性問題，提高推薦效果.此外，結合基于內容的推薦方法可以促進對新商品的推薦。 最后，考慮用戶信息對推薦質量的影響，進行改進得到混合算法.用戶購買商品可能不僅僅與商品特征及偏好有關，用戶的基本信息如年齡、職業(yè)、性