基于位置服务的商场推荐系统研究与应用

摘要

目前商场购物模式仍然是主流的商业销售模式之一，研究商场环境下的客户移动服务，成为商场竞争的核心能力。本文提出了一种基于位置服务的商场购物推荐系统，以提升对客户的个性化服务能力，提供精准服务。
　　本文首先对商场推荐系统的需求进行详尽地分析，阐述了移动环境下商场推荐系统具备用户位置移动性、短期兴趣敏感、推荐准确度高等要求，提出了基于位置服务的商场推荐系统的设计方案。该方案中将用户位置信息作为一个新的维度引入到本文的推荐模型中，形成“用户-商品-位置”的三维推荐模型，并通过语义位置来改善传统推荐模型在移动环境下的不足。着重对基于位置服务的推荐算法进行研究。该算法首先采用空间密度聚类算法对用户位置轨迹点进行聚类分析，获取用户感兴趣的位置区域集合，结合商场的商品分类信息和位置信息把用户的地理位置转换成商场的语义位置。然后，通过语义位置相似度算法对不同用户的语义位置向量进行划分。然而不优化的推荐方法计算量大且精准度不高，本文采用基于位置服务的推荐方法实现对目标用户的协同评分矩阵进行过滤，使得协同评分矩阵的用户相似度更高从而提高精确度，同时减小了计算规模。该方法主要通过商场的空间语义位置关系来计算用户间语义位置向量的相似度，修正用户评分矩阵。接着对修正评分矩阵采用评价偏好处理，判断用户对商品的评分趋势和商品被评分的趋势来改善评分矩阵稀疏等问题，进一步修正评分矩阵。最后，采用协同过滤算法对用户评分矩阵进行相似性计算并进行排序产生和目标用户最相邻的K个邻居用户，通过最近邻居用户产生待推荐商品集合，并通过网络向用户的移动终端进行推送，并收集用户反馈的排序分等结果对算法进行改进。应用结果表明，本文所构建的基于位置服务的商场个性化推荐系统应用良好，能够满足移动环境下的商场推荐需求，很大程度上改善了传统的推荐算法的在商场环境下的不足，通过系统推荐排序分和产生商品推荐集时间表明该推荐方法准确度较高同时推荐速度较快。同时该方法解决了用户评分矩阵稀疏对算法的影响等问题，具有一定的应用推广价值。

目录

摘要

第一章 绪论

1．1 论文背景与意义

1．2 国内外研究现状

1．3 论文主要内容与组织结构

1．3．1 论文主要内容

1．3．2 论文的组织结构

第二章 相关技术

2．1 基于位置服务(LBS)

2．2 数据挖掘

2．2．1 分类算法

2．2．2 聚类算法

2．3 推荐技术

2．3．1 基于内容的推荐

2．3．2 协同过滤的推荐

2．3．3 SVD推荐技术

2．3．4 混合推荐的技术

2．4 相似性度量方法

2．4．1 余弦相似性计算

2．4．2 修正余弦相似性计算

第三章 整体设计

3．1 系统分析

3．2 体系架构

3．3 数据模型

3．3．1 用户结构

3．3．2 商品结构

3．3．3 地理位置结构

3．4 系统组成

第四章 基于位置服务的推荐算法

4．1 商场推荐流程

4．2 位置轨迹聚类

4．3 语义位置获取

4．3．1 语义位置定义

4．3．2 语义位置转换

4．3．3 位置相似度计算

4．4 协同过滤推荐

4．4．1 评价偏好处理

4．4．2 相似度计算

第五章 应用与分析

5．1 应用环境

5．2 数据预处理

5．3 商品推荐应用

5．4 应用分析

5．4．1 语义聚类

5．4．2 商品推荐

第六章 总结与展望

参考文献

攻读学位期间发表的论文

声明

致谢