基于聚類的商品推薦算法的研究與應(yīng)用.pdf

1、隨著電子商務(wù)網(wǎng)站的興起，推薦系統(tǒng)正被越來越多地研究和應(yīng)用。推薦系統(tǒng)能夠根據(jù)用戶的興趣特點(diǎn)和購買能力，向用戶推薦用戶感興趣的信息和商品。推薦系統(tǒng)可以快速主動(dòng)的挖掘出潛在的購買用戶，同時(shí)快速地幫助用戶找到喜歡的商品，增加網(wǎng)站的商品銷售量的同時(shí)亦能增加用戶對網(wǎng)站的忠誠度。
　　本文首先對推薦系統(tǒng)的研究背景和國內(nèi)外研究現(xiàn)狀進(jìn)行了充分地調(diào)研。當(dāng)前電子商務(wù)應(yīng)用正在迅速的發(fā)展，推薦系統(tǒng)被越來越多地應(yīng)用在了電子商務(wù)網(wǎng)站之中。雖然推薦系統(tǒng)的研究和發(fā)

2、展已經(jīng)超過了十年時(shí)間，但是推薦系統(tǒng)的推薦準(zhǔn)確性仍達(dá)不到理想的效果，如何提高推薦系統(tǒng)的推薦準(zhǔn)確性仍是當(dāng)前推薦系統(tǒng)研究的熱點(diǎn)問題。
　　在調(diào)研的基礎(chǔ)上，本文介紹了推薦算法的相關(guān)概念，對基于內(nèi)容的推薦算法和協(xié)同過濾推薦算法的基本原理進(jìn)行了介紹。介紹了基于內(nèi)容的推薦算法和協(xié)同過濾推薦算法各自的優(yōu)缺點(diǎn)?；趦?nèi)容的推薦算法面臨的最大問題是商品特征描述困難，而協(xié)同過濾推薦算法的最大問題在于數(shù)據(jù)稀疏性問題。為了提高推薦系統(tǒng)準(zhǔn)確性，本文又對聚類算法

3、的相關(guān)技術(shù)進(jìn)行了介紹和研究。
　　為了解決協(xié)同過濾推薦算法中稀疏性問題，本文提出了一種估值填充的協(xié)同過濾推薦算法，并引入了k-means聚類算法，以提高估值填充的準(zhǔn)確度，進(jìn)而提高推薦算法的準(zhǔn)確度。
　　本文使用了Movielens真實(shí)評分?jǐn)?shù)據(jù)集作為研究對象，運(yùn)用matlab技術(shù)對所構(gòu)建的基于聚類的協(xié)同過濾推薦算法進(jìn)行了實(shí)證計(jì)算。研究并分析了矩陣密度、k值大小、商品鄰居個(gè)數(shù)對算法推薦準(zhǔn)確性的影響，根據(jù)分析結(jié)果優(yōu)化了改進(jìn)的算法。