基于商品特征和層次的協(xié)同過濾推薦系統(tǒng).pdf

1、隨著互聯(lián)網(wǎng)的普及和電子商務的發(fā)展，電子商務系統(tǒng)在為用戶提供越來越多選擇的同時，隨著信息的快速累積，用戶經常會迷失在龐大的商品信息空間中，無法快速準確的找到所需要的商品。電子商務中的商品推薦系統(tǒng)直接與用戶交互，模擬商店的銷售人員向用戶推薦商品，幫助用戶找到所需的商品，從而順利完成購買過程。在日趨激烈的競爭環(huán)境下，商品推薦系統(tǒng)有助于留住客戶、防止客戶流失，提高電子商務企業(yè)的銷售以及競爭力。 個性化推薦系統(tǒng)在電子商務系統(tǒng)中具有良好的發(fā)

2、展和應用前景，逐漸成為電子商務IT技術的一個重要研究內容，得到了研究者越來越多的關注。其中，協(xié)同過濾推薦技術是個性化推薦領域重點研究的問題。本文主要針對協(xié)同過濾推薦技術展開研究。 文章首先分析了傳統(tǒng)的協(xié)同過濾推薦算法所存在的問題：隨著電子商務系統(tǒng)用戶數(shù)目和商品數(shù)目的日益增加，整個項目空間上用戶評分數(shù)據(jù)極端稀疏，使得推薦系統(tǒng)的推薦質量難以提高。為了解決這個問題，本文提出了一種基于商品層次和特征的協(xié)同過濾推薦算法。該算法在計算商品相

3、似度和用戶相似度時，吸收了User-based協(xié)同過濾算法和Item-based協(xié)同過濾算法的思想，并在此基礎上引入了商品特征和商品層次的概念，使得計算得出的商品相似度更加準確。在預測用戶對商品的初步評分和最終評分的時候，也考慮了商品的分類，增加了預測結果的精確度，從而提高了推薦系統(tǒng)的推薦質量。為了驗證算法的有效性，文章使用MovieLens站點提供的數(shù)據(jù)集對算法進行測試，并從多個方面與其他算法進行了比較。結果表明：基于商品特征和層次的