電子商務(wù)環(huán)境下基于實(shí)時(shí)信息的單類協(xié)同過(guò)濾算法研究.pdf

1、互聯(lián)網(wǎng)的發(fā)展在給用戶帶來(lái)便利和驚喜的同時(shí)也帶來(lái)了困惑和無(wú)奈。用戶一方面享有豐富的信息資源，另一方面卻難以快速找到自己所需要的信息。20世紀(jì)末伴隨著電子商務(wù)的興起與發(fā)展，個(gè)性化推薦技術(shù)迅速發(fā)展起來(lái)并應(yīng)用于電子商務(wù)推薦系統(tǒng)，其作用體現(xiàn)在避免用戶迷失于海量的物品信息中，幫助用戶做出決策，選擇出所需要的物品，提高物品的銷售量。近年來(lái)，伴隨著“大數(shù)據(jù)時(shí)代”的到來(lái)，信息超載、信息爆炸的頻現(xiàn)，個(gè)性化推薦技術(shù)中的協(xié)同過(guò)濾逐漸成為目前為止最成熟也最成功的

2、一項(xiàng)推薦技術(shù)。然而，在多數(shù)情況下，應(yīng)用協(xié)同過(guò)濾技術(shù)的電子商務(wù)推薦系統(tǒng)收集到的往往是那些明確表達(dá)用戶偏好的數(shù)據(jù)，沒(méi)有考慮不能或是沒(méi)有表達(dá)用戶偏好的數(shù)據(jù)，導(dǎo)致推薦結(jié)果范圍小，推薦準(zhǔn)確性不高。而利用非明確表達(dá)或未表達(dá)用戶偏好的數(shù)據(jù)進(jìn)行的協(xié)同過(guò)濾就稱之為單類協(xié)同過(guò)濾(One Class Collaborative Filtering，簡(jiǎn)稱OCCF)。
　　與協(xié)同過(guò)濾相比，單類協(xié)同過(guò)濾的研究較少，加之?dāng)?shù)據(jù)稀疏，給研究帶來(lái)一定難度，但同時(shí)這也

3、表明了單類協(xié)同過(guò)濾有潛在的研究?jī)r(jià)值和空間。本文在研究大量國(guó)內(nèi)外相關(guān)文獻(xiàn)的基礎(chǔ)上，選擇針對(duì)單類協(xié)同過(guò)濾存在的數(shù)據(jù)稀疏性問(wèn)題和實(shí)時(shí)性問(wèn)題提出解決方案。首先歸納總結(jié)了該領(lǐng)域研究的基礎(chǔ)方法，然后運(yùn)用奇異值分解、矩陣加權(quán)逼近等方法，設(shè)計(jì)了單類協(xié)同過(guò)濾推薦算法，并建立了相應(yīng)的模型。在權(quán)值的設(shè)定中，在以前研究者的基礎(chǔ)上，引入了實(shí)時(shí)信息:用戶關(guān)系管理相關(guān)的用戶近期瀏覽信息以及與物品生命周期相關(guān)的物品投入市場(chǎng)信息。最后，借助Matlab等軟件對(duì)所設(shè)計(jì)的算