面向電子商務的個性化推薦技術研究.pdf

1、隨著Internet的迅速發(fā)展，電子商務蓬勃興起。電子商務站點在為用戶提供越來越多選擇的同時，其結構也變得更加復雜，電子商務的發(fā)展面臨了新的挑戰(zhàn)：一方面，用戶對站點提供的眾多產(chǎn)品信息并非完全感興趣，通常需要經(jīng)過多次瀏覽才能找到滿足自己需求的產(chǎn)品：另一方面，站點沒有了解用戶的個人需求，提供給用戶的是千篇一律的界面，無法有效地提高其產(chǎn)品的吸引力，維護穩(wěn)定的客戶關系。向用戶進行個性化的產(chǎn)品推薦是解決這個挑戰(zhàn)的最有效的方法。協(xié)同過濾是目前在電子

2、商務推薦系統(tǒng)中應用較為成功的個性化推薦技術。但是隨著站點結構、內(nèi)容的復雜度和用戶人數(shù)的不斷增加，協(xié)同過濾算法也遇到了數(shù)據(jù)稀疏性、冷啟動等種種問題。 本課題針對傳統(tǒng)協(xié)同過濾的不足，提出了一種結合用戶日志聚類和協(xié)同過濾的個性化推薦技術。該技術充分挖掘用戶的信息，結合用戶隱性興趣和顯性興趣，推薦結果更符合用戶需求。首先基于用戶瀏覽電子商務站點的日志信息，使用聚類算法將用戶歸類。然后，在協(xié)同過濾過程中，利用用戶的潛在偏好代替用戶顯性評分

3、，從而消除用戶評分習慣的影響。最后，在用戶日志聚類結果的基礎上，使用基于用戶的潛在偏好協(xié)同過濾，從而使得用戶的數(shù)據(jù)稀疏性問題、冷啟動問題得到緩解，提高了推薦的質(zhì)量。在具體的研究過程中，本論文所作的主要工作如下： (1)用戶日志聚類。先將原始的用戶Web日志進行數(shù)據(jù)預處理，根據(jù)需要將其轉換成適合進行分析處理的有意義的數(shù)據(jù)，然后使用聚類算法把有相似瀏覽行為的用戶聚成一類，為下文的最近鄰尋找工作奠定基礎。 (2)基于用戶潛在偏

4、好的協(xié)同過濾。為了避免用戶評分習慣不一致，相似興趣的用戶可能會有不同的表面評分的問題，本論文將用戶的表面評分轉換成用戶潛在偏好，計算用戶的潛在偏好相似性，使得最近鄰的形成更為準確。 (3)結合用戶日志聚類和協(xié)同過濾的推薦技術。這種混合的推薦技術可以先離線的對用戶進行了一次聚類，在進行協(xié)同過濾時能有效的降低用戶稀疏性，提高推薦系統(tǒng)的推薦速度和質(zhì)量。并且這種推薦技術還可以針對評分較少甚至沒有評分的用戶進行推薦，在一定程度上彌補了傳統(tǒng)