基于用戶興趣模型的個性化推薦引擎技術研究.pdf

1、隨著互聯(lián)網技術的快速發(fā)展，大量的信息資源在給用戶帶來便利的同時也增加了用戶獲取所需真正信息的工作量。在電子商務網站領域，如何幫助用戶方便快捷地找到他們真正感興趣的商品是電子商務網站能夠更好的滿足用戶的購買需求以獲得更高經濟效益的關鍵，個性化推薦系統(tǒng)就是解決這一問題的一個有效手段。網站通過使用個性化推薦系統(tǒng)，能夠提高用戶對所購商品的滿意度，培養(yǎng)用戶對網站的忠誠度，為商家?guī)砀嗟慕洕б妗?br>　　本文首先介紹了電子商務技術、個性化推薦

2、引擎以及用戶建模技術等內容，然后詳細描述了數據倉庫技術在電子商務網站中的作用，并從用戶興趣度模型的角度對個性化推薦引擎進行了深入的研究。
　　基于用戶興趣的推薦算法是電子商務網站中個性化推薦引擎常采用的方法之一，而現有的基于用戶興趣模型的推薦算法并沒有準確的描述用戶的購買興趣。因此，本文提出了一種基于用戶行為的興趣度模型的創(chuàng)建和推薦算法，將用戶行為權重引入模型的創(chuàng)建過程，從用戶瀏覽興趣的角度去描述用戶對商品的興趣度，能夠充分的體現

3、不同用戶對商品的不同偏好，使推薦結果更符合用戶的購買興趣。
　　經進一步研究發(fā)現，現有用戶行為的興趣度模型的創(chuàng)建及推薦算法并沒有考慮到用戶對商品興趣隨時間的變化。為了解決這一問題，本文又給出了一種基于用戶反饋信息的模型更新算法，將用戶的短期興趣、長期興趣引入到推薦算法中，實現了推薦精度的提高。為了驗證提出的推薦算法的可行性和正確性，本文建立了相應的實驗模型，并用Java語言實現了提出的推薦算法，通過實驗驗證，本文提出的算法和模型達