电子商务环境下的个性化信息推荐服务及应用研究

摘要

基于因特网的电子商务蓬勃发展,信息强度和密度前所未有,用户数与项目数呈级数增长,个性化信息推荐服务显得越来越重要.电子商务下的个性化信息推荐系统在理论和实践上都得到了很大发展,其核心部分就是对推荐方法的研究,选择哪种推荐方法对于推荐系统的效果和效率至关重要.协同过滤算法是个性化推荐系统中常用的方法,由于用户对项目的评价部分不多,使得数据稀疏性对推荐质量和实时性影响较大. 本文对电子商务环境下的个性化信息推荐服务进行了深入地研究,并针对个性化推荐方法中的协同过滤算法进行了详尽地分析,给出了协同过滤算法所面临的挑战,在此基础上,对基于聚类的协同过滤推荐算法进行了改进.该算法在用户一项目评分数据库的基础上,首先离线计算项目之间的相似度,结果保存在数据库中;其次对每个项目聚类结果进行用户聚类,计算用户之间的相似度,找到用户的最近邻居集合;最后根据用户最近邻居集合预测对每个项目的评分,产生推荐给目标用户. 本文通过程序开发对改进的部分进行了模拟实现,验证改进算法的可行性和有效性,从而可以有效解决用户评分数据极端稀疏情况下传统方法存在的不足,有效提高了电子商务推荐算法的推荐质量.在论文最后一章还构建了个性化信息服务推荐的系统框架,主要包括模型描述、系统流程图及框架图.

目录

文摘

英文文摘

论文说明：插图清单、表格清单

独创性声明及学位论文版权使用授权书

致谢

第一章绪论

1.1研究背景和意义

1.1.1研究的背景

1.1.2目的和意义

1.2国内外个性化推荐系统研究与应用现状

1.3研究内容及主要工作

1.4论文结构及章节安排

第二章个性化信息推荐理论及相关技术

2.1个性化推荐系统理论概述

2.1.1个性化信息推荐服务

2.1.2电子商务环境下的推荐系统

2.1.3电子商务推荐系统的分类

2.2个性化信息推荐的相关技术

2.2.1系统接口与数据描述

2.2.2推荐技术的比较分析

2.3热点研究问题讨论

第三章个性化推荐系统中的算法改进

3.1个性化信息推荐的一般过程

3.1.1用户数据收集

3.1.2数据分析

3.1.3产生推荐数据集

3.2协同过滤推荐算法分析

3.3聚类分析在协同过滤推荐算法中的应用

3.3.1聚类分析概述

3.3.2基于用户聚类的协同推荐算法

3.3.3基于项目聚类的协同推荐算法

3.4基于聚类的协同过滤算法改进

3.4.1算法改进的原因

3.4.2改进算法的思想

3.5改进算法的语言描述和程序流程图

3.5.1改进算法设计

3.5.2改进算法程序流程图

第四章个性化推荐改进算法的实例验证

4.1数据集

4.2实验设计

4.2.1实验数据集的选取

4.2.2实验环境

4.2.3测评指标

4.2.4数据库设计及语言代码

4.3算法编程及测试

4.3.1算法编程

4.3.2改进部分的算法

4.4算法比较及分析

4.5结论

第五章基于项目与客户聚类的的个性化推荐系统构想

5.1个性化推荐模型描述

5.1.1模型的构建原则

5.1.2个性化推荐模型的功能

5.2基于项目与客户聚类的个性化推荐模型总体框架

5.2.1模型的整体结构

5.2.2模型的工作流程

5.3产品信息模块

5.3.1产品类别信息

5.3.2产品基本信息

5.3.3产品属性信息

5.3.4产品的特征向量

5.3.5产品信息功能模块流程图

5.4用户信息模块

5.4.1客户基本信息

5.4.2用户浏览行为信息及用户购买信息

5.4.3用户特征向量

5.4.4用户信息功能模块流程图

5.5过滤模块

5.6推荐模块

第六章结论与展望

6.1本文的工作

6.2进一步的工作

参考文献

攻读硕士学位期间发表论文

附录:算法代码