基于混合算法的个性化电子商务推荐系统研究

摘要

本文着重对推荐系统及其核心的推荐方法进行研究. 首先，研究推荐系统。针对推荐质量和实时性要求，构建合理的推荐系统。将推荐系统划分为在线实时推荐和模型处理两部分.用户在线浏览电子商务网站时，在线部分实时输出反映用户兴趣的个性化推荐列表.模型处理部分主要根据所收集的数据以及不同的模型算法，得到模型输出，作为在线推荐的依据.特别提出对于新用户和新商品采用结合不同方法的推荐机制，在一定程度上解决冷启动问题，提高推荐质量。 其次，研究推荐方法。推荐方法主要包括：基于内容推荐、协同过滤推荐、混合推荐、数据挖掘等方法.其中，协同过滤算法是比较成功的推荐方法.而针对基于聚类的协同过滤推荐算法的效率和质量方面的不足，提出使用Fuzzy ART算法，发挥其学习性与适应性的特点。建立基于Fuzzy ART的推荐算法，进行实验分析，并与传统方法进行比较，证明Fuzzy ART算法有助于提高推荐质量. 再次，针对Fuzzy ART算法存在的数据稀疏性问题和冷启动问题，提出使用Fuzzy ART结合基于内容的改进推荐方法.将商品特征信息与用户的偏好结合，得到用户偏好模型.根据用户偏好模型利用Fuzzy ART分类，预测用户的推荐结果.比较分析结果显示结合基于内容的推荐方法在一定程度上解决稀疏性问题，提高推荐效果.此外，结合基于内容的推荐方法可以促进对新商品的推荐。 最后，考虑用户信息对推荐质量的影响，进行改进得到混合算法.用户购买商品可能不仅仅与商品特征及偏好有关，用户的基本信息如年龄、职业、性别等也具有一定的相关性.考虑将用户信息作为调整加入到分类的结果中，形成混合算法，实验分析得出其推荐质量是以上算法中最好的.另外，对于新用户，即只有用户基本信息没有偏好数据的情况下，可以根据用户信息找到相似用户，解决冷启动问题.

目录

文摘

英文文摘

声明

第1章引言

1.1问题提出

1.2研究现状

1.2.1推荐系统

1.2.2推荐方法

1.3本文主要工作

1.3.1本文主要研究内容

1.3.2本文结构

第2章电子商务推荐系统综述

2.1电子商务推荐系统介绍

2.1.1电子商务推荐系统概念

2.1.2电子商务推荐系统分类

2.2推荐系统组成

2.3推荐方法

2.3.1基于内容的推荐方法

2.3.2协同过滤推荐方法

2.3.3混合推荐方法

2.3.4数据挖掘方法

2.4推荐系统实例

第3章基于混合算法的个性化电子商务推荐系统框架

3.1基于混合算法的个性化电子商务推荐系统基本框架

3.1.1推荐系统的基本框架

3.1.2推荐系统的适用性

3.2基于混合算法的个性化电子商务推荐系统数据管理

3.2.1输入数据

3.2.2模型数据

3.2.3输出数据

3.3基于混合算法的个性化电子商务推荐系统的组件

3.3.1模型处理部分

3.3.2在线推荐部分

第4章基于Fuzzy ART推荐算法

4.1ART算法综述

4.2 Fuzzy ART算法

4.2.1Fuzzy ART的结构

4.2.2 Fuzzy ART算法步骤

4.3基于Fuzzy ART的推荐算法

4.3.1数据处理

4.3.2基于Fuzzy ART推荐模型处理

4.3.3预测推荐

4.3.4结果评价

4.4实验分析

第5章结合基于内容的推荐算法

5.1 Fuzzy ART结合基于内容的推荐方法

5.1.1基于内容的推荐方法

5.1.2 Fuzzy ART结合基于内容的推荐方法

5.2 Fuzzy ART结合基于内容的推荐模型

5.2.1用户评分数据与商品特征数据结合

5.2.2用户偏好的数据转化

5.2.3 Fuzzy ART结合内容的分类

5.2.4用户与新商品预测推荐

5.3实验分析

第6章结合用户信息的混合推荐算法

6.1结合用户信息的混合推荐方法

6.1.1基于人口统计信息的推荐方法

6.1.2结合用户信息的混合推荐方法

6.2结合用户信息的混合推荐模型

6.2.1用户信息数据处理

6.2.2新用户推荐算法

6.2.3结合用户信息的混合推荐算法

6.3实验分析

第7章总结

7.1本文创新之处

7.2后续工作

参考文献

后记