電子商務(wù)中個性化信息自主推送技術(shù)的研究.pdf

1、隨著互聯(lián)網(wǎng)的普及和電子商務(wù)的發(fā)展，推薦系統(tǒng)逐漸成為電子商務(wù)IT技術(shù)的一個重要研究內(nèi)容，越來越多地得到研究者的關(guān)注。目前，幾乎所有大型的電子商務(wù)系統(tǒng)，如Amazon，CDNOW，eBay，當(dāng)當(dāng)網(wǎng)上書店等，都不同程度地使用了各種形式的推薦系統(tǒng)。 本文研究的對象是電子商務(wù)推薦系統(tǒng)中的協(xié)同過濾推薦方法。最近鄰協(xié)同過濾推薦是當(dāng)前最成功的推薦技術(shù)，其基本思想就是基于評分相似的最近鄰居的評分?jǐn)?shù)據(jù)向目標(biāo)用戶產(chǎn)生推薦。由于最近鄰居對項(xiàng)目(電子商務(wù)

2、中的商品、電影、音樂等)的評分與目標(biāo)用戶非常相似，因此目標(biāo)用戶對未評分項(xiàng)目的評分可以通過最近鄰居對該項(xiàng)目評分的加權(quán)平均值逼近。 隨著電子商務(wù)系統(tǒng)規(guī)模的進(jìn)一步擴(kuò)大，用戶數(shù)目和項(xiàng)目數(shù)據(jù)急劇增加，導(dǎo)致用戶評分?jǐn)?shù)據(jù)的極端稀疏性，在用戶評分?jǐn)?shù)據(jù)極端稀疏的情況下，傳統(tǒng)相似性度量方法均存在各自的弊端，使得計(jì)算得到的目標(biāo)用戶的最近鄰居不準(zhǔn)確，推薦系統(tǒng)的推薦質(zhì)量急劇下降。針對用戶評分?jǐn)?shù)據(jù)的極端稀疏性，本文提出了一種改進(jìn)的User-based協(xié)同過

3、濾推薦算法，通過計(jì)算項(xiàng)目之間的相似性，初步預(yù)測用戶對未評分項(xiàng)目的評分，然后采用一種合適的相似性度量方法計(jì)算用戶的最近鄰居。本文的研究內(nèi)容主要包括： 1.對不同的電子商務(wù)推薦方法及其在電子商務(wù)推薦系統(tǒng)中的應(yīng)用進(jìn)行研究和分析。 2.詳細(xì)研究和分析了傳統(tǒng)的協(xié)同過濾算法在應(yīng)用中所面臨的問題和挑戰(zhàn)，例如：推薦質(zhì)量、可擴(kuò)展性、數(shù)據(jù)稀疏性、冷開始問題等等，并介紹了現(xiàn)有的解決方法。 3.結(jié)合傳統(tǒng)的協(xié)同過濾算法的思想，本文提出了一