论文摘要
个性化推荐系统因其带来的巨大经济效益在电子商务网站得到广泛应用,但现有个性化推荐系统存在的问题却制约着它的发展。当前个性化推荐系统是基于用户和产品之间的相关关系,即通过用户已有的购买行为或对产品的评价来预测用户对待推荐产品的兴趣度,进而进行个性化商品推荐。这就使得现有个性化推荐系统不可避免的会受到冷启动、数据稀疏、可扩展性、实时性等问题的制约。通过对个性化推荐系统,以及目前几个主要推荐技术的工作原理、存在问题和问题产生原因的分析研究,探讨了决定用户消费意愿的根本原因。本质上来说,用户的属性决定着用户的购买行为,如果能够得知用户属性,并根据用户的属性进行产品推荐,则推荐会更有针对性、更准确。从因果关系角度研究用户和产品之间的关系。提出属性推断的概念,根据用户属性进行个性化商品推荐,以期对现有问题的解决。基于神经网络的属性推断方法,是用神经网络算法挖掘用户的购买记录,训练用户属性和产品之间的关系模型,进而推断出用户的属性。根据属性推断结果构建用户属性和产品之间的因果关系表,并将之应用到个性化推荐过程中。通过实验完成了对单个用户属性的推断,并简单实现了对用户的个性化产品推荐。第一步,属性推断,利用交易记录构建用户属性和产品之间的关系模型,由用户所选产品推断出用户的属性;第二步,基于单属性的个性化推荐,利用原始数据中用户的属性训练模型向用户推荐产品,并计算推荐结果的正确率;第三步,基于属性推断的个性化推荐,利用第一步中推断出的用户属性训练模型向用户推荐产品,并计算推荐结果的正确率。最后,将第二步和第三步计算出的推荐结果的正确率进行比较分析,其中基于属性推断的个性化推荐在推断属性只有68.02%正确的情况下,其推荐结果的正确率仍能达到19.92%,保持了较好的推荐效率。因果关系的稳定性和普遍适应性使得应用属性推断技术的个性化推荐方法很好的解决了现有个性化推荐系统中常见的问题,并可能对关联规则产生的原因做出解释。属性推断提供了一种数据挖掘和个性化推荐的新思路。