Research on Application of Collaborative Filtering Algorithm in the Mobile E-commerce Recommendation System

摘要

协同过滤算法是电子商务推荐系统中应用最为成功的推荐算法，很多电子商务企业都采用协同过滤算法作为企业推荐系统的核心算法。推荐技术可以有效解决信息过载问题，增加网站的粘度和交叉销售能力。随着移动互联网的发展，移动电子商务也在逐步兴起，并逐渐占据了大量的市场份额，推荐系统也是必不可少的。与传统电子商务相比，移动电子商务具有移动性，可接受性，安全性，定位性等特点。因此将协同过滤算法应用到移动电子商务推荐系统中时，必须做相应的改进才能适用移动电子商务的特殊环境。 本文对电子商务个性化推荐系统进行了深入研究，认真分析了协同过滤推荐算法本身存在的数据稀疏性问题和冷启动问题。通过SlopeOne算法降低了数据的稀疏性，提高了推荐系统的执行效率，使推荐系统具有较好的推荐质量。冷启动问题可以通过用户的注册信息进行特征分类，根据不同的用户特征对用户进行推荐。 针对移动电子商务领域的特殊性，本文在协同过滤算法中引入了定位技术和时间信息。通过定位技术，移动电子商务在用户的交互过程中能达到很高的个性化程度，从而满足用户对服务的差异化需求。遗忘函数的应用则进一步提高了用户兴趣迁移中的预测精度，可以推荐给用户当前最感兴趣的项目。本文最后通过实验验证了这种改进思路的可行性，证明这种改进算法的确更适合在移动电子商务平台上运用。