基于樹型網(wǎng)絡(luò)的多源用戶興趣數(shù)據(jù)融合方法研究.pdf

1、隨著電子商務(wù)的發(fā)展，網(wǎng)上購買成為了時(shí)下一種主流的購物方式，消費(fèi)者在面對(duì)海量信息時(shí)，需要付出大量時(shí)間來找尋自身感興趣的商品。在此情況下，個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生，被認(rèn)為是一種有效且符合消費(fèi)者商品需求的營銷方法，它能解決電子商務(wù)網(wǎng)站中消費(fèi)者購物選擇問題，是目前網(wǎng)絡(luò)信息服務(wù)領(lǐng)域的熱點(diǎn)之一。個(gè)性化服務(wù)系統(tǒng)通過分析使用對(duì)象的行為信息，來分析消費(fèi)者個(gè)人的興趣差異習(xí)慣，從而提供“一對(duì)一”精準(zhǔn)營銷服務(wù)。要實(shí)現(xiàn)個(gè)性化推薦系統(tǒng)，必須建立用戶興趣模型，用戶建模

2、在個(gè)性化推薦中處于核心地位，建模的質(zhì)量直接影響到推薦系統(tǒng)的質(zhì)量。對(duì)此，通過捕捉多源用戶興趣數(shù)據(jù)并進(jìn)行數(shù)據(jù)融合，是提高用戶興趣建模質(zhì)量的一條重要途徑。本文研究的目的在于針對(duì)B2C網(wǎng)站環(huán)境下，傳統(tǒng)協(xié)同過濾推薦精度不夠高的問題，提出和實(shí)現(xiàn)基于用戶樹型網(wǎng)絡(luò)的多源用戶興趣數(shù)據(jù)融合方法，以改善和優(yōu)化原有方法的推薦質(zhì)量。全文主要研究?jī)?nèi)容如下:
　　首先，本文以建模流程為研究視角，從用戶信息收集、信息表示、技術(shù)處理、更新方式四個(gè)方面對(duì)個(gè)性化推薦系

3、統(tǒng)中的用戶興趣模型建立的現(xiàn)有研究成果進(jìn)行比較分析，將信息收集歸納為信息來源、信息存儲(chǔ)兩個(gè)方面，用以獲取建模的信息來源;將信息表示歸納為語義表示、量化表示兩類方法，用以表征具體的用戶興趣偏好;將數(shù)據(jù)處理歸納為兩類技術(shù)，即特征詞權(quán)重、聚類技術(shù)，用以加工用戶信息而生成用戶興趣模型;將數(shù)據(jù)更新歸納為時(shí)間窗口法、遺忘算法、混合模型等三類方法，用以體現(xiàn)模型中的用戶興趣漂移。
　　其次，從用戶購物流程角度出發(fā)，總結(jié)出能最大程度反映消費(fèi)者興趣偏好

4、的4個(gè)因子:商品點(diǎn)擊行為、商品收藏行為、放入購物車行為、下單行為。然后具體量化每種指標(biāo)因子的計(jì)算，設(shè)置相應(yīng)規(guī)則實(shí)現(xiàn)靜態(tài)用戶興趣權(quán)重?？紤]到用戶興趣變化，設(shè)計(jì)了隨時(shí)間變化的興趣值，彌補(bǔ)了靜態(tài)系統(tǒng)推薦的不足。針對(duì)每個(gè)個(gè)體，進(jìn)一步把興趣區(qū)分為長期、短期興趣，同時(shí)給出不同的指數(shù)衰減方法。通過上述處理，實(shí)現(xiàn)了用戶多源興趣數(shù)據(jù)的有效融合，可以更好地提高推薦精度。
　　最后，實(shí)驗(yàn)基于阿里巴巴集團(tuán)旗下天貓商城提供的真實(shí)用戶數(shù)據(jù)集，通過實(shí)施數(shù)據(jù)融合