电子商务环境下协同过滤推荐方法的应用分析与研究

论文题目: 电子商务环境下协同过滤推荐方法的应用分析与研究

论文类型: 硕士论文

论文专业: 计算机应用技术

作者: 王莉红

导师: 张功镀,吴海涛

关键词: 推荐系统,协同过滤方法,数据挖掘,相似性

文献来源: 上海师范大学

发表年度: 2005

论文摘要: 随着Internet 的普及与电子商务的快速发展,许多著名的电子商务网站都开发了推荐系统对顾客进行个性化信息推荐服务。电子商务推荐系统是电子商务网站用来向顾客提供商品信息和建议,并模拟商店销售人员帮助顾客顺利完成购买过程。电子商务推荐系统在理论和实践上都得到了很大发展,特别是推荐方法的研究是其核心部分,采用哪种推荐方法对于推荐系统的效果和效率至关重要。推荐方法包括:知识工程、基于内容的推荐方法、协同过滤推荐方法、混合推荐方法、数据挖掘方法。现在协同过滤方法是最成功的推荐方法。电子商务系统规模的日益扩大,协同过滤推荐方法也面临诸多挑战:推荐质量、可扩展性、数据稀疏性、冷开始问题等等。本文对电子商务推荐系统进行了深入地研究,详尽分析了协同过滤算法所面临的挑战,在此基础上,提出了User-based 协同过滤推荐算法的改进算法。该算法首先离线预计算项目之间的相似度,结果保存在数据库中;其次在用户的邻居形成阶段,我们不仅考虑了用户之间的关联,而且利用预计算项目间相似性来预测用户间评分并集中未评分的项目的相似度;最后根据用户最近邻居集合预测对每个项目的评分,产生推荐给目标用户。本文通过开发的实验测试系统对改进的协同过滤算法进行了测试,验证了改进算法的合理性和有效性,从而可以有效解决用户评分数据极端稀疏情况下传统方法存在的不足,有效地提高了电子商务推荐算法的推荐质量。

论文目录:

摘要

Abstract

第一章 绪论

1.1 电子商务推荐系统与个性化服务

1.1.1 为什么需要构建电子商务推荐系统

1.1.2 电子商务推荐系统

1.1.3 个性化信息推荐服务

1.2 推荐系统在电子商务中的意义

1.3 论文的研究内容和工作

1.4 论文结构

第二章 电子商务推荐系统

2.1 电子商务推荐系统的研究内容

2.2 电子商务推荐系统的研究与应用现状

2.3 电子商务推荐系统分类

2.4 推荐系统的输入输出与数据表示

2.5 电子商务推荐方法

2.5.1 知识工程

2.5.2 基于内容的推荐方法

2.5.3 协同过滤推荐方法

2.5.4 混合推荐方法

2.5.5 数据挖掘

第三章 协同过滤推荐算法应用分析

3.1 电子商务推荐算法分类

3.2 协同过滤推荐算法

3.2.1 User-based 协同过滤推荐算法

3.2.2 Item-based 协同过滤推荐算法

3.3 协同过滤推荐算法应用中面临的主要挑战

3.3.1 User-based 协同过滤推荐算法分析

3.3.2 Item-based 协同过滤推荐算法分析

3.3.3 总结

第四章 User-based 协同过滤推荐算法的改进

4.1 LSI/SVD 在协同过滤推荐中的应用

4.2 Clustering 在协同过滤推荐算法中的应用

4.3 改进算法的提出

4.3.1 改进算法提出的原因

4.3.2 改进算法的基本思想

4.4 改进算法语言描述

4.4.1 改进算法的表示

4.4.2 改进算法的输入输出

4.4.3 改进算法的过程

4.5 程序流程图

第五章 协同过滤算法的仿真与测试

5.1 数据集

5.2 实验设计

5.2.1 实验数据集的选取

5.2.2 实验环境

5.2.3 度量标准

5.3 算法及其测试的编程实现

5.3.1 编程实现

5.3.2 实验测试方案流程

5.4 实验结果及分析

5.4.1 确定参数的敏感度

5.4.2 模型尺寸的敏感度分析

5.4.3 稳定状态下算法推荐质量的测试

5.4.4 稳定状态与初始状态下算法推荐质量比较

5.4.5 结论

第六章 总结

6.1 本文的工作

6.2 进一步的工作

附录1 国外研究性推荐系统与研究论文的分析

附录2 国外著名电子商务网站推荐系统的应用现状

附录3 实验部分源代码

参考文献

攻读学位期间发表的学术论文

致谢

论文独创性声明

论文使用授权声明

发布时间: 2005-10-11

参考文献

• [1].基于模糊聚类的电子商务协同过滤推荐研究[D]. 孙静.河北工业大学2011
• [2].基于双信息源的协同过滤算法及其应用研究[D]. 董全德.合肥工业大学2010
• [3].基于社会网络分析的协同过滤推荐方法研究[D]. 李军平.辽宁大学2013
• [4].协同过滤推荐模型及其在汽车电子商务中的应用研究[D]. 张晓蕾.天津师范大学2010
• [5].基于复合信息的协同过滤推荐[D]. 李姝.大连理工大学2017
• [6].社区发现视角下的协同过滤推荐技术研究[D]. 盖岩.沈阳工业大学2012
• [7].基于复杂网络的协同过滤推荐算法的研究[D]. 吕梦晨.东北大学2016
• [8].推荐系统中基于用户偏好建模的动态协同过滤推荐方法研究[D]. 吴佳炜.南京师范大学2018
• [9].基于协同过滤和深度学习的推荐算法研究[D]. 贺博.长安大学2018
• [10].嵌入标签信息的评分预测协同过滤算法研究[D]. 张春霞.南京师范大学2018

相关论文

• [1].智能推荐系统中协同过滤算法的研究[D]. 张雪文.上海交通大学2008
• [2].基于内容和协同过滤的混合模式推荐技术研究[D]. 曹毅.中南大学2007
• [3].基于用户个人特征的多内容项目协同过滤推荐[D]. 彭玉.西南大学2007
• [4].基于项目聚类的协同过滤推荐算法的研究[D]. 杨焱.东北师范大学2005
• [5].结合内容预测和Item-based协同过滤的推荐系统研究[D]. 王琳.山东大学2005

标签：推荐系统论文;  协同过滤方法论文;  数据挖掘论文;  相似性论文;