Boosting理論在推薦算法中的應(yīng)用與研究.pdf

1、近年來電子商務(wù)以其商品廉價(jià)性和方便快捷的特點(diǎn)越來越成為人們所喜愛的一種消費(fèi)方式，也從最初單一的普通實(shí)體商品逐漸包括許多虛擬商品和服務(wù)，如彩鈴訂購，在線影院等。雖然電子商務(wù)的迅猛發(fā)展帶給人們的生活極大的便利，但與此同時(shí)，面對(duì)網(wǎng)上如此眾多的商品，顧客陷入了商品信息的海洋，尤其是一些沒有明確購買目標(biāo)的顧客也許經(jīng)常上網(wǎng)瀏覽商品，但過多的信息會(huì)讓顧客產(chǎn)生選擇疲勞，而最終導(dǎo)致交易流失。所以如何針對(duì)顧客的興趣偏好為顧客提供個(gè)性化的商品信息以便顧客快速

2、找到自己感興趣的商品，這是提高電子商務(wù)網(wǎng)站交易量和破解當(dāng)前電子商務(wù)銷售瓶頸的一種有效手段。
　　本文首先介紹了推薦的意義和原理，還有一些傳統(tǒng)的推薦方法如協(xié)同過濾和基于矩陣因式分解的推薦算法，以及它們各自的優(yōu)缺點(diǎn)，以Netflix提供的銷售記錄為實(shí)驗(yàn)數(shù)據(jù)，著重比較了各種推薦算法的性能。接著，本文引入了集成學(xué)習(xí)算法，并且以boosting作為本文的算法框架，根據(jù)boosting算法的特性說明了應(yīng)該如何篩選基本推薦算法，然后通過上面試驗(yàn)

3、比較的結(jié)果，合理選擇了兩種推薦算法應(yīng)用于boosting框架，通過實(shí)驗(yàn)確定了算法的主要參數(shù)的取值，最終得到一種比較有效的集成推薦算法。
　　本研究主要內(nèi)容包括：⑴總結(jié)了現(xiàn)在流行幾種推薦技術(shù)，介紹了它們的基本原理，通過實(shí)驗(yàn)分析比較了各種推薦算法性能，尤其對(duì)diffuse算法和經(jīng)典相似度公式進(jìn)行比較。⑵集成學(xué)習(xí)算法在很多領(lǐng)域的應(yīng)用都能使性能進(jìn)一步提高，所以將它作為本文算法的框架并依據(jù)準(zhǔn)確率指標(biāo)選取了兩種基本推薦算法。⑶通過實(shí)驗(yàn)確定了算