基于協(xié)同過濾的移動電子商務推薦研究與應用.pdf

1、隨著移動互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，越來越多的用戶通過移動設備來獲取移動服務，具有移動性、個性化特征的移動電子商務是未來電子商務發(fā)展的新方向。網(wǎng)絡的蓬勃發(fā)展帶來電子商務網(wǎng)站中用戶和物品數(shù)目大量增長，如何快速找到用戶感興趣的物品已成為人們關(guān)注的焦點。相比傳統(tǒng)電子商務，移動電子商務用戶的上下文環(huán)境復雜多變，用戶需求日趨多樣化、個性化、移動化，因此人們期望能夠得到更個性化的服務。因此如何為用戶推薦符合其興趣和上下文情景的個性化服務是一項具有挑戰(zhàn)性的

2、研究課題。本課題在深入研究已有個性化推薦技術(shù)的基礎(chǔ)上，針對移動電子商務的特性，研究并設計了一種基于協(xié)同過濾的移動電子商務個性化推薦算法。
　　首先，針對當前用戶評分數(shù)據(jù)稀疏性問題，提出了采用貝葉斯分類對移動上下文情景進行分類，根據(jù)情景類別進行數(shù)據(jù)預測填充，針對不同情景下的用戶興趣進行綜合相似度度量，根據(jù)用戶綜合相似度進行數(shù)據(jù)填充，該算法可有效改善個性化推薦的精度。
　　其次，在對比分析當前移動電子商務個性化推薦理論及方法的基

3、礎(chǔ)上，結(jié)合用戶興趣和移動上下文情景，在移動上下文情景中加入活動狀態(tài)屬性，提出一種新的用戶情景模型。相對于傳統(tǒng)的推薦模型，挖掘用戶興趣偏好更加準確，在很大程度上提高了推薦效率。
　　再次，基于改進的用戶模型設計了一種針對移動電子商務中個性化推薦的混合協(xié)同過濾算法，即改進的UC-CF算法。該算法基于情景相似和商品相似融合進行評分預測，通過模型和算法的改進提升商品推薦的精度。
　　最后，通過模擬實驗對改進模型及算法的性能進行驗證，