收藏本站
《中国科学技术大学》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

商务推荐系统的设计研究

王宏宇  
【摘要】: 随着互联网时代的到来,信息过载问题日益突出。在这样的背景下,20世纪90年代初,研究者们开发了最早的推荐系统,从纷繁芜杂的信息中选择用户所感兴趣的信息,推荐给用户,以帮助解决信息过载问题。在很短时间内,推荐系统从单纯的信息过滤领域,扩展到了多个应用领域,包括对音乐、电影、书籍等各种项目的推荐。10年后的现在,或简单或复杂的各种推荐系统,已经成为一个信息网站或电子商务系统,所必不可少的组件之一。现在的推荐系统,其功能已经从简单帮助用户进行项目甄别,拓展成为商务领域促进销售,提升品牌形象的重要手段。对于推荐系统的研究,也成为了理论界关注的热点,研究者们提出了协同过滤算法、基于内容的推荐算法、混合算法等不同的算法来提供更好的推荐,并不断吸收数据挖掘领域、机器学习领域的新方法,将其应用到对推荐算法的改进上来。一些领域内领先的研究小组,开发了各种实验性系统,如MovieLens等,作为其改进推荐算法的平台。 当前对于推荐系统的研究,基本上都专注于对推荐算法的改进,很少有研究者从信息系统的角度,讨论推荐系统的设计实现的方法与原则,这与推荐系统实用性很强的应用背景不符。此外不同研究者对于推荐系统的研究中,往往针对不同的应用场景,提出不同的评判标准,算法与算法之间很难相互比较。 针对上述情况,本文首先将研究主体界定为向用户推荐产品,以促进产品销售为目的的商务推荐系统。选择商务推荐系统的设计作为研究对象,期望能够提出一些商务推荐系统设计中的通用方法和原则,为实际系统的开发提供理论指导。 本文从最本质的推荐问题定义开始全文的讨论,完成了以下工作。 1)提供了更清晰的推荐问题定义,基于度量理论和效用理论,分析了现在主流推荐算法求解推荐问题存在的偏差。提出了利用区别推荐系统和推荐算法功能,来求解推荐问题的新思路。这种新方法,带来的明显优势之一是可以廓清传统研究中对于推荐效果评判准则的混乱,可以统一采用机器学习理论中的两种客观评判标准:预测精确度与分类精确度来评判推荐算法的结果,在不同的推荐算法之间能够互相对比(这是本文第2章的工作)。 2)讨论了对推荐算法和推荐系统的不同评判标准,同时提出,使用用户满意度指标来评判推荐效果,对于推荐系统设计并不是必须的,我们提出一种“交流式改进”的方法指导系统对推荐效果的改进(这是本文第3章的工作)。 3)基于以上两种通用方法的指导,按照商务推荐系统所应实现的两个目标(促进销售,和提升系统的品牌价值),设计了一个智能商务推荐系统框架(这是本文第4章的工作)。 4)按照Whitten的信息系统架构,进一步从数据角度、接口角度、流程角度、系统算法角度等各个信息系统构件层面,讨论了商务推荐系统设计中的一些基本原则和方法(这是本文第5章的工作)。 5)从多种推荐算法融合和推荐算法改进两个方面深入讨论了系统应用构件中推荐算法的设计。其中对推荐算法的改进上,我们引入支持向量机和贝叶斯网络来实现基于内容的推荐算法,实验结果表明,与传统的协同过滤算法相比,两种方法能够高效的给出优于或近似于传统协同过滤算法相近的预测精度。显示了以上两种工具在推荐算法改进应用中的巨大潜力。(这是本文第6章的工作)。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杨风召;白慧;;电子商务推荐系统的算法与模型分析[J];情报杂志;2007年12期
2 邓晓辉;漆强;;浅析电子商务推荐系统[J];企业经济;2007年08期
3 朱红祥;;基于web日志数据挖掘的电子商务推荐系统[J];商场现代化;2008年28期
4 张捷;;浅析电子商务推荐系统技术[J];山西经济管理干部学院学报;2010年04期
5 柳珺;;Web挖掘技术与电子商务[J];商场现代化;2007年09期
6 杨怀珍;丛晓琪;刘枚莲;;基于协同过滤的电子商务推荐系统建模研究[J];中国管理信息化;2008年21期
7 金昱成;钟永沣;关婉湫;陈本涛;;服务中小企业信息技术采纳推荐系统的研究[J];中国市场;2009年36期
8 杨芳;潘一飞;李杰;王云峰;;一种改进的协同过滤推荐算法[J];河北工业大学学报;2010年03期
9 宋晓宇,薛春燕,许景科;关联规则在先进技术与产品推荐系统中的应用[J];沈阳建筑大学学报(自然科学版);2005年05期
10 吴恒亮;;Web挖掘在电子商务推荐系统中的应用研究[J];中国商贸;2010年04期
11 李献礼;;电子商务网站的Web数据挖掘系统设计[J];西南师范大学学报(自然科学版);2007年04期
12 顾彬;王建东;;一类孤立因子阈值的计算方法[J];小型微型计算机系统;2008年12期
13 周贤善;谢婷婷;;基于Web的数据挖掘在电子商务中的应用[J];孝感学院学报;2010年03期
14 熊馨,王卫平,叶跃祥;电子商务个性化产品推荐策略研究[J];科技进步与对策;2005年07期
15 王菽兰;冉文学;李春芬;;一种模块化高效电子商务推荐系统的设计[J];微计算机信息;2008年33期
16 王刚;钟国祥;;基于信息熵的社区发现算法研究[J];计算机科学;2011年02期
17 张莹;;电子商务中的推荐技术探讨[J];潍坊学院学报;2006年02期
18 潘宇;林鸿飞;杨志豪;;基于用户聚类的电子商务推荐系统[J];计算机应用与软件;2008年04期
19 解亚萍;牛广文;;用户聚类的电子商务推荐系统研究[J];兰州工业高等专科学校学报;2009年03期
20 余冬梅;;Blog在电子商务中的应用研究[J];电脑知识与技术(学术交流);2007年12期
中国重要会议论文全文数据库 前10条
1 岑琴;赵建民;朱信忠;;基于Multi-Agent与数据挖掘的电子商务系统[A];2006年全国理论计算机科学学术年会论文集[C];2006年
2 郭学军;陈晓云;;粗集方法在数据挖掘中的应用[A];第十六届全国数据库学术会议论文集[C];1999年
3 徐慧;;基于Web的文献数据挖掘[A];第十七届全国数据库学术会议论文集(技术报告篇)[C];2000年
4 孙迎;;医院信息的数据挖掘与方法研究[A];中华医学会第十次全国医学信息学术会议论文汇编[C];2004年
5 薛晓东;李海玲;;数据挖掘的客户关系管理应用[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(下册)[C];2004年
6 郭建文;黄燕;印鉴;杨小波;梁兆辉;;建立中风病“阴阳类证”辨证规范的数据挖掘研究[A];中华医学会第十三次全国神经病学学术会议论文汇编[C];2010年
7 薛鲁华;张楠;;聚类分析在Web数据挖掘中的应用[A];北京市第十三次统计科学讨论会论文选编[C];2006年
8 朱扬勇;黄超;;基于多维模型的交互式数据挖掘框架[A];第二十届全国数据库学术会议论文集(技术报告篇)[C];2003年
9 陈涛;胡学钢;陈秀美;;基于数据挖掘的教学质量评价体系分析[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
10 王星;谢邦昌;戴稳胜;;数据挖掘在保险业中的应用[A];北京市第十二次统计科学讨论会论文选编[C];2003年
中国重要报纸全文数据库 前10条
1 李开宇 黄建军 田长春;把“数据挖掘”作用发挥出来[N];中国国防报;2009年
2 华莱士;“数据挖掘”让银行赢利更多[N];国际金融报;2003年
3 记者 晏燕;数据挖掘让决策者告别“拍脑袋”[N];科技日报;2006年
4 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年
5 张立明;数据挖掘之道[N];网络世界;2003年
6 中圣信息技术有限公司 李辉;数据挖掘在CRM中的作用[N];中国计算机报;2001年
7 田红生;数据挖掘在CRM中的应用[N];中国经济时报;2002年
8 王广宇;数据挖掘 加速银行CRM一体化[N];中国计算机报;2004年
9 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年
10 张舒博;数据挖掘 提升品牌的好帮手[N];首都建设报;2009年
中国博士学位论文全文数据库 前10条
1 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年
2 李涛;推荐系统中若干关键问题研究[D];南京航空航天大学;2009年
3 孙丽;工艺知识管理及其若干关键技术研究[D];大连交通大学;2005年
4 胡志坤;复杂有色金属熔炼过程操作模式智能优化方法研究[D];中南大学;2005年
5 刘革平;基于数据挖掘的远程学习评价研究[D];西南师范大学;2005年
6 刘寨华;基于临床数据分析的病毒性心肌炎证候演变规律研究[D];黑龙江中医药大学;2006年
7 王川;基因芯片数据管理及数据挖掘[D];中国科学院研究生院(上海生命科学研究院);2004年
8 王涛;挖掘序列模式和结构化模式的精简集[D];华中科技大学;2006年
9 郭斯羽;动态数据中的数据挖掘研究[D];浙江大学;2002年
10 李旭升;贝叶斯网络分类模型研究及其在信用评估中的应用[D];西南交通大学;2007年
中国硕士学位论文全文数据库 前10条
1 王莉红;电子商务环境下协同过滤推荐方法的应用分析与研究[D];上海师范大学;2005年
2 丁毅;网上书店电子商务系统的设计与实现[D];山东大学;2005年
3 刘赫;一个基于聚类算法的推荐系统的设计与实现[D];吉林大学;2005年
4 贺云;数据挖掘在电子商务推荐系统中的应用研究[D];大连交通大学;2010年
5 李森;基于数据挖掘的旅游电子商务系统研究与实现[D];电子科技大学;2011年
6 杨芳;电子商务系统协同过滤推荐算法研究[D];河北工业大学;2006年
7 王煜;基于模式相似的子空间聚类算法研究[D];河海大学;2006年
8 吴春阳;数据挖掘在电子商务旅游线路推荐系统中的应用研究[D];重庆交通大学;2009年
9 张雪文;智能推荐系统中协同过滤算法的研究[D];上海交通大学;2008年
10 陈婷;基于隐私保护的个性化推荐系统的研究与实现[D];复旦大学;2008年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978