基于蚁群算法的移动商务个性化推荐体系研究

论文摘要

移动商务环境下的个性化推荐体系构建是当前发展移动商务的重要课题。本文针对移动商务与桌面电子商务的不同特点以及传统的个性化推荐算法特别是协同过滤推荐算法存在的问题,采用模拟进化方法——蚁群算法,提出一种基于浏览路径的蚁群推荐算法,构建了符合移动商务特殊要求的个性化推荐体系,为移动商务的个性化营销提出一种新的思路。其基本思想是,用蚂蚁觅食路径模拟用户寻找目标商品的路径,把目标商品之间的差异性作为期望启发因子,将用户的历史评分与实时评分的综合作为信息素,用户之间通过信息素进行协作,并引入用户实时偏好评分,同时综合了传统的协同过滤算法,以此来计算用户下一步可能会浏览的项目,并将此作为个性化的推荐输出。移动商务的飞速发展,使得信息资源爆炸性增长,用户有了更多的选择,对于信息获取的及时性和准确性要求更高。这些现象导致了移动商务对于其个性化推荐系统将有更多的要求。目前,推荐系统所采取的算法有很多,其中协同过滤算法使用的最为广泛,但是仍然存在一些问题,如用户的相似度不精确等,此类问题在移动商务中将会有更大的负面影响。将蚁群算法用于移动商务个性化推荐系统中,能够很好的在海量信息中剔除冗余信息,从而大大提高信息获取的速度和有效性,因此,蚁群优化为网络中信息资源的获取提供了一个好的解决思路。本文通过仿真实验对算法的性能进行了分析,验证其合理性和有效性,可以有效解决移动商务推荐系统的冷启动问题,并且可以在用户评分极端稀疏情况下提高推荐质量,从而提高推荐算法的性能。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 研究背景
• 1.1.1 移动商务的兴起
• 1.1.2 问题的提出
• 1.2 研究目的及意义
• 1.2.1 研究目的
• 1.2.2 研究意义
• 1.3 主要内容和组织架构
• 1.4 本章小结
• 第二章 基础理论和文献综述
• 2.1 个性化推荐系统概述
• 2.1.1 个性化推荐系统的概念和作用
• 2.1.2 电子商务的个性化推荐系统架构
• 2.1.3 主流推荐算法介绍以及比较
• 2.2 移动商务对个性化推荐系统的要求
• 2.2.1 移动商务的特征
• 2.2.2 移动商务与桌面电子商务的区别
• 2.2.3 移动商务个性化推荐对算法的要求
• 2.3 蚁群算法概述
• 2.3.1 蚁群算法原理
• 2.3.2 蚁群算法的研究现状
• 2.3.3 蚁群算法在移动商务个性化推荐的应用
• 2.4 本章小结
• 第三章 基于浏览路径的蚁群推荐算法
• 3.1 理论分析
• 3.1.1 传统协同过滤推荐算法概述
• 3.1.2 算法提出的基本思想
• 3.2 算法设计
• 3.2.1 节点和路径的生成
• 3.2.2 目标函数的建立
• 3.2.3 算法的输入、输出及具体推荐流程
• 3.3 实验分析
• 3.3.1 实验设计
• 3.3.2 实验结果分析
• 3.4 本章小结
• 第四章 移动商务个性化推荐体系的构建
• 4.1 相关问题分析
• 4.1.1 输入模块
• 4.1.2 输出模块
• 4.2 移动商务的推荐体系
• 4.2.1 体系构建
• 4.2.2 推荐流程描述
• 4.2.3 移动商务推荐体系特征分析
• 4.3 本章小结
• 第五章 总结与展望
• 5.1 主要工作总结
• 5.2 未来工作展望
• 致谢
• 参考文献
• 附录
• 攻读学位期间发表的论文