基于人類消費(fèi)行為的互聯(lián)網(wǎng)購(gòu)物平臺(tái)推薦系統(tǒng)研究.pdf

1、隨著互聯(lián)網(wǎng)在我國(guó)的快速發(fā)展，網(wǎng)絡(luò)購(gòu)物在現(xiàn)代社會(huì)已成為一種快捷且常見(jiàn)的購(gòu)物方式。其商品種類不斷豐富，購(gòu)物層次不斷變向多元，數(shù)量也在迅猛增長(zhǎng)，形成了網(wǎng)絡(luò)購(gòu)物中“信息過(guò)載”的情況，由此帶來(lái)的消費(fèi)者難以找到興趣商品、搜索耗費(fèi)時(shí)間長(zhǎng)、用戶體驗(yàn)差等問(wèn)題與日俱增。在此情況下，用戶對(duì)于個(gè)性化商品篩選與推送的需求也越發(fā)迫切。
　　個(gè)性化推薦系統(tǒng)是通過(guò)用戶行為或評(píng)分?jǐn)?shù)據(jù)了解用戶需求與興趣，向用戶推薦其感興趣的商品，即為電子商務(wù)平臺(tái)模擬商店導(dǎo)購(gòu)員在網(wǎng)絡(luò)

2、平臺(tái)為消費(fèi)者提供商品推薦以協(xié)助消費(fèi)者更好地完成購(gòu)物的一個(gè)系統(tǒng)。個(gè)性化推薦系統(tǒng)將能減少用戶找尋理想商品的時(shí)間，提高交易的效率，提升用戶的使用體驗(yàn)，使得平臺(tái)更具競(jìng)爭(zhēng)力，提高用戶忠誠(chéng)度。因此，各大網(wǎng)絡(luò)購(gòu)物與社交平臺(tái)紛紛推出個(gè)性化推薦系統(tǒng)，旨在解決“信息過(guò)載”帶來(lái)的一系列問(wèn)題，而對(duì)于推薦系統(tǒng)的研究也成為目前社會(huì)中較為熱門的一個(gè)研究領(lǐng)域。
　　本文將基于人類在消費(fèi)過(guò)程中的行為數(shù)據(jù)進(jìn)行互聯(lián)網(wǎng)購(gòu)物平臺(tái)推薦系統(tǒng)的研究，以期能夠得出優(yōu)秀算法，幫助消

3、費(fèi)者提高購(gòu)物效率，優(yōu)化網(wǎng)絡(luò)購(gòu)物體驗(yàn)，幫助網(wǎng)絡(luò)平臺(tái)實(shí)現(xiàn)更優(yōu)質(zhì)服務(wù)，為我國(guó)互聯(lián)網(wǎng)平臺(tái)的發(fā)展盡自己的一份綿薄之力。
　　本文首先對(duì)研究背景、意義以及邏輯框架進(jìn)行闡述，然后總結(jié)前人研究成果與目前應(yīng)用現(xiàn)狀，并對(duì)傳統(tǒng)的基于協(xié)同過(guò)濾的推薦算法以及基于分類模型的推薦算法進(jìn)行理論介紹，所用算法包括基于用戶的協(xié)同過(guò)濾算法、基于項(xiàng)目的協(xié)同過(guò)濾算法、邏輯回歸、決策樹(shù)分類方法、隨機(jī)森林以及最近鄰分類器等，理論研究之后使用阿里平臺(tái)消費(fèi)者操作行為歷史記錄數(shù)據(jù)對(duì)

4、上述幾種傳統(tǒng)推薦算法進(jìn)行實(shí)證研究，并使用準(zhǔn)確率、召回率以及綜合判別指標(biāo)對(duì)模型優(yōu)劣進(jìn)行判別，得到模型結(jié)果后利用綜合判別指標(biāo)進(jìn)行篩選，篩選出最優(yōu)算法對(duì)其進(jìn)行創(chuàng)新改進(jìn)，得到改進(jìn)結(jié)果之后對(duì)原始的傳統(tǒng)算法和改進(jìn)后的算法進(jìn)行比較與分析，最終得到最優(yōu)模型:在邏輯回歸的基礎(chǔ)上加入人工規(guī)則，形成最終推薦系統(tǒng)模型，其準(zhǔn)確率為6.06％，召回率為17.91％，綜合評(píng)價(jià)指標(biāo)為9.06％。最后，對(duì)本文所做工作進(jìn)行總結(jié)，并對(duì)未來(lái)應(yīng)用領(lǐng)域進(jìn)行了簡(jiǎn)述，指出本文創(chuàng)新之處