基于領(lǐng)域本體的電子商務(wù)推薦技術(shù)研究.pdf

1、隨著Internet的不斷發(fā)展，電子商務(wù)系統(tǒng)給商家和客戶帶來了越來越多的信息，如何及時(shí)地在網(wǎng)上的海量信息中發(fā)現(xiàn)所需要的信息變得越來越困難。于是電子商務(wù)諸多的推薦系統(tǒng)應(yīng)運(yùn)而生，推薦技術(shù)成為一個(gè)研究的熱點(diǎn)，引起人們的廣泛關(guān)注。 近年來，電子商務(wù)推薦技術(shù)在理論和實(shí)踐中均得到了較快的發(fā)展，與此同時(shí)，電子商務(wù)推薦系統(tǒng)面臨著嚴(yán)峻挑戰(zhàn)。針對(duì)現(xiàn)有電子商務(wù)推薦系統(tǒng)存在的問題，本文在電子商務(wù)推薦系統(tǒng)中引入領(lǐng)域本體，對(duì)電子商務(wù)推薦系統(tǒng)中的推薦算法及推

2、薦模型等關(guān)鍵技術(shù)進(jìn)行了深入的研究，以期通過引入領(lǐng)域本體和Web挖掘提高電子商務(wù)推薦的準(zhǔn)確率和實(shí)時(shí)性。其主要工作與創(chuàng)新體現(xiàn)在： （1）在探討和分析比較各種本體構(gòu)建方法基礎(chǔ)上，借鑒軟件工程學(xué)中的基于軟件生命周期模型的方法論，并利用現(xiàn)有的本體構(gòu)建工具，提出了一種新的基于原型迭代的領(lǐng)域本體構(gòu)建方法，并構(gòu)建個(gè)性化推薦所需的領(lǐng)域本體。 （2）稀疏性問題是協(xié)同過濾推薦所面臨的最重要問題之一。針對(duì)用戶評(píng)分?jǐn)?shù)據(jù)的稀疏性問題，本文提出一個(gè)基

3、于領(lǐng)域本體和用戶偏好變化的協(xié)同過濾推薦算法。利用領(lǐng)域本體中項(xiàng)目的類型及屬性計(jì)算項(xiàng)目之間的語義相似度，采用KNN（K最近鄰居）的思想根據(jù)用戶對(duì)項(xiàng)目的評(píng)分，預(yù)測(cè)用戶未評(píng)分項(xiàng)目的評(píng)分，填充用戶評(píng)分矩陣的缺失值，而后在填充后的用戶．項(xiàng)目評(píng)分矩陣基礎(chǔ)上進(jìn)行推薦。利用用戶的特征因素對(duì)用戶進(jìn)行聚類，縮小最近鄰居的選擇范圍。本算法還考慮到用戶偏好的變化，引入遺忘函數(shù)，根據(jù)評(píng)價(jià)時(shí)間調(diào)整評(píng)分權(quán)重。實(shí)驗(yàn)結(jié)果表明：所提出的算法能夠有效地解決稀疏性問題，改善了推

4、薦的質(zhì)量。 （3）傳統(tǒng)的Web使用挖掘在個(gè)性化推薦過程中沒有考慮相關(guān)領(lǐng)域的語義知識(shí)，不能利用對(duì)象的語義進(jìn)行推薦，從而導(dǎo)致推薦的準(zhǔn)確率比較低。針對(duì)上述問題，提出一種基于領(lǐng)域本體和Web使用挖掘的個(gè)性化推薦模型，將領(lǐng)域本體集成到Web挖掘和個(gè)性化推薦中。針對(duì)這一模型，本文提出一種基于語義聚類的個(gè)性化推薦算法，利用領(lǐng)域本體對(duì)Web數(shù)據(jù)進(jìn)行預(yù)處理，并采用K-Means層次凝聚算法對(duì)交易事務(wù)進(jìn)行聚類分析。而后利用各個(gè)聚類的質(zhì)心點(diǎn)矢量來表征