Agent电子商务推荐系统下协同过滤技术研究

论文摘要

随着电子商务的发展,信息量的急剧增加,推荐系统已经从研究领域慢慢向应用领域过渡,以此为代表的电子商务推荐系统的商业价值日渐显现。与此同时,推荐技术的研究也逐渐被重视。本文通过对电子商务推荐系统及其相关理论和技术的介绍,分析了现阶段电子商务推荐系统存在的问题,由此提出了Agent电子商务推荐系统(ARS)模型,同时对该模型从应用背景、领域以及柔性等多方面进行了分析,证明了该系统的可行性,并详细介绍了该模型的构架、功能、运行流程等。本文在分析传统协同过滤推荐不足的基础上,结合ARS模型的特点,对传统协同过滤推荐进行了改进研究,提出了能够满足ARS功能特点的基于显性评分的协同过滤推荐和基于隐性访问的协调过滤推荐,对算法流程和实现进行了说明,并证明了其有效性。最后,本文对所做工作进行了总结,并提出了下一步研究方向。

论文目录

• 致谢
• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 电子商务推荐系统相关研究综述
• 1.2.1 电子商务推荐系统发展历程
• 1.2.2 国外研究现状
• 1.2.3 国内研究现状
• 1.3 研究意义和内容
• 1.3.1 研究意义
• 1.3.2 研究内容
• 2 电子商务推荐系统相关理论及技术
• 2.1 Agent 技术
• 2.2 数据挖掘
• 2.3 数据仓库
• 2.4 推荐技术
• 2.4.1 协同过滤推荐
• 2.4.2 基于内容的推荐
• 2.4.3 基于规则的推荐
• 2.4.4 基于人口统计信息的推荐
• 2.4.5 基于效用的推荐
• 2.4.6 基于知识发现的推荐
• 2.4.7 混合推荐
• 3 Agent 电子商务推荐系统（ARS）设计
• 3.1 电子商务推荐系统概述
• 3.1.1 电子商务推荐系统概念
• 3.1.2 电子商务推荐系统分类
• 3.1.3 电子商务推荐系统结构
• 3.1.4 电子商务推荐系统作用
• 3.2 Agent 电子商务推荐系统（ARS）分析
• 3.2.1 背景分析
• 3.2.2 领域分析
• 3.2.3 柔性分析
• 3.3 Agent 电子商务推荐系统（ARS）详细设计
• 3.3.1 系统构架
• 3.3.2 功能描述
• 3.3.3 运行流程
• 4 基于ARS 模型的协同过滤推荐的改进研究
• 4.1 基于ARS 模型的协同过滤推荐的研究背景
• 4.1.1 传统协同过滤推荐存在的问题
• 4.1.2 满足ARS 模型特点要求
• 4.2 基于显性评分的协同过滤推荐算法研究
• 4.2.1 传统协同过滤推荐算法分析
• 4.2.2 基于显性评分的协同过滤推荐算法的研究
• 4.2.3 基于显性评分的协同过滤推荐算法的实现
• 4.2.4 改进算法实验测试结果评估
• 4.3 基于隐性访问的协同过滤推荐算法研究
• 4.3.1 基于隐性访问的协同过滤推荐算法分析
• 4.3.2 基于隐性访问的协同过滤推荐算法的研究
• 4.3.3 基于隐性访问的协同过滤推荐算法的实现
• 4.3.4 改进算法优势评价
• 结论
• 参考文献
• 作者简历
• 学位论文数据集