基于多行為融合的電商推薦系統(tǒng)研究與實(shí)現(xiàn).pdf

1、近年來(lái)，隨著電子商務(wù)的發(fā)展，越來(lái)越多的消費(fèi)者開始網(wǎng)上購(gòu)物。一方面，消費(fèi)者通過(guò)搜索的方式查找商品；另一方面，電子商務(wù)系統(tǒng)通過(guò)消費(fèi)者的歷史購(gòu)買記錄分析消費(fèi)者的愛好，進(jìn)而為消費(fèi)者推薦與其愛好相近的商品。由于推薦可以有效地發(fā)現(xiàn)消費(fèi)者潛在愛好的商品，對(duì)提高電子商務(wù)系統(tǒng)的銷售業(yè)績(jī)幫助明顯，因而越來(lái)越受到各大電商的重視。
　　作為中國(guó)乃至全球最大的電商之一，阿里巴巴2014年舉辦了一場(chǎng)大數(shù)據(jù)競(jìng)賽。此次競(jìng)賽基于天貓海量用戶真實(shí)的訪問(wèn)數(shù)據(jù)，通過(guò)分析

2、用戶過(guò)去4個(gè)月的訪問(wèn)日志，發(fā)現(xiàn)用戶的愛好，進(jìn)而為用戶推薦商品。本文正是基于這場(chǎng)競(jìng)賽，研究了如何在對(duì)用戶和商品屬性信息缺乏了解的情況下，根據(jù)用戶訪問(wèn)天貓商品的歷史記錄，實(shí)現(xiàn)對(duì)用戶的個(gè)性化推薦。
　　首先使用了推薦領(lǐng)域應(yīng)用比較廣泛的協(xié)同過(guò)濾技術(shù)。協(xié)同過(guò)濾依賴于用戶對(duì)商品的評(píng)分，受競(jìng)賽數(shù)據(jù)限制，在缺乏用戶評(píng)分的情況下，我們?nèi)诤嫌脩舻亩喾N行為類型，通過(guò)分析用戶對(duì)商品的訪問(wèn)日志構(gòu)建用戶對(duì)商品的評(píng)分表，然后使用皮爾遜相關(guān)性度量商品的相似度并完

3、成推薦。由于電子商務(wù)系統(tǒng)中商品種類眾多，用戶訪問(wèn)過(guò)的商品只占商品總數(shù)的很小一部分，導(dǎo)致用戶對(duì)商品的評(píng)分十分稀疏，使得使用協(xié)同過(guò)濾計(jì)算的商品相似度準(zhǔn)確率較低，因而推薦效果較差。為了避免這個(gè)問(wèn)題，我們引入了兩種基于回歸的方法，即邏輯回歸和梯度提升回歸樹通過(guò)預(yù)測(cè)用戶將來(lái)購(gòu)買商品的概率來(lái)為用戶實(shí)現(xiàn)推薦。本文從數(shù)據(jù)預(yù)處理、噪音數(shù)據(jù)消除、特征提取、特征選擇、平滑處理、正則化處理等多個(gè)方面詳述了如何使用邏輯回歸和梯度提升回歸樹構(gòu)建推薦系統(tǒng)。邏輯回歸本