基于混合推荐算法的网上银行社区营销推荐系统的研究与实现

摘要

互联网的迅猛革命将我们带入了信息社会和网络经济时代，对企业发展和个人生活都产生了深远的影响。基于互联网电子商务模式的虚拟企业不再需要像传统物理环境下的企业那样大量的实体投资，就可以与顾客、供应商之间建立起更加直接的联系。以用户为核心的新兴互联网站点可以抛开传统媒介的限制，将自己的影响力以更丰富的方式传达给更多的潜在客户。
　　 同时，网上银行领域竞争越来越激烈，银行提供的服务愈来愈多，但银行间的差异性和个性化却越来越小。传统实体企业和银行应该密切合作，改变传统以产品为导向的策略，需要拉近与客户的距离，使得银行和实体服务企业更全面地为客户提供服务，开展以客户为导向的服务战略。个性化的银行营销系统是基于客户细分、市场营销的理念以及海量客户数据经验的智能化的推荐，能够为合适的客户提供个性化的服务、信息。推荐系统一方面通过预测用户对项目的喜好程度来为用户提供信息过滤，应用知识发现技术来生成个性化推荐，帮助用户找到所需信息；另一方面辅助企业达到个性化营销的目的，进而提升销售量，为企业创造更多的利润。
　　 论文以推荐系统为研究核心，主要研究当前各种推荐算法，包括协同过滤、关联规则等，并对这两种算法进行了改进。一方面，论文将兴趣度作为参数引入协同过滤算法中，并给出兴趣度的度量，通过SVM进行用户兴趣度划分分类，能够提高推荐质量。另一个方面，论文也改进了基于用户兴趣的关联规则挖掘推荐算法，通过关联挖掘，可以较快速的进行目标用户的推荐。然后，再通过混合模型进行两个算法的整合，通过可调整的参数设置，使得推荐更加的个性化，合理化，正确化。最后，论文设计并实现了一个网上银行社区营销系统，其中应用混合推荐算法开发了资产管理和信用卡社会化营销两个组件，以帮助用户进行资产的良好配置以及深层次挖掘用户需求，帮助用户寻找最佳消费场所。
　　 实验结果表明，与传统的推荐算法相比，论文提出的改进算法具有更高的准确性和有效性。