基于總剩余最大化和物品上下文約束的協(xié)同推薦算法研究.pdf

1、電子商務(wù)中產(chǎn)生越來越多的產(chǎn)品和交易信息，使得用戶快速找到自己想要的產(chǎn)品變得越來越困難。同時，電子商務(wù)企業(yè)也面臨著如何推薦讓用戶滿意的產(chǎn)品從而提高銷售量的問題。電子商務(wù)推薦系統(tǒng)就是為了解決這些問題而產(chǎn)生的。協(xié)同過濾這類推薦技術(shù)更多的是基于用戶產(chǎn)生的數(shù)據(jù)直接進行分析，很少基于經(jīng)濟行為來進行電子商務(wù)的推薦。
　　本文結(jié)合經(jīng)濟學中的總剩余最大化（Total Surplus Maximization）和物品上下文約束，提出了基于總剩余最大化

2、和物品上下文約束的協(xié)同推薦模型。首先，根據(jù)用戶的購買記錄情況，綜合用戶的關(guān)聯(lián)購買和時間局部性，構(gòu)建物品相似度矩陣;其次，通過矩陣分解和物品上下文約束構(gòu)建用戶的個性化效用模型，并根據(jù)最后一單元零剩余法則，構(gòu)造用戶效用的目標函數(shù)，使用消費數(shù)據(jù)訓練得到用戶的個性化效用預測模型;最后根據(jù)總剩余最大化模型(TSM)，得到用戶對物品的購買預測模型，使消費者利益和生產(chǎn)者利益總和達到最大。本文通過引入物品的上下文約束，緩解消費記錄矩陣的稀疏問題，更好的