收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

电子商务个性化推荐算法设计与实现

刘芳先  
【摘要】: 电子商务系统在为用户提供越来越多选择的同时,商品信息过载现象越来越严峻,其结构也变得日益复杂,用户想要从商品海洋里迅速便捷地找到自己真正需要的商品越来越困难,于是电子商务个性化推荐系统应运而生。 推荐算法是推荐系统中最核心的部分,在很大程度上决定了推荐系统性能的优劣。协同过滤推荐根据与用户兴趣爱好相同或相似的其他用户的评价产生推荐,个性化程度高,是目前应用最广泛、最成功的推荐技术,但它在实际应用中还存在很多缺陷:如预测评分中用户相似性计算不准确,实时性差、推荐精度不高等。 本文针对推荐系统的实时性要求,提出了基于项目簇偏好的用户聚类算法。该算法首先基于项目属性对项目聚类,得到用户对不同项目簇的偏好,然后利用K-means聚类算法对用户进行聚类,将相同或相似兴趣的用户分到同一类中,这样可以找到离当前用户最近的几个聚类,然后在这几个聚类中搜寻最近邻居,避免了在整个用户群上搜寻,提高了实时响应速度。 K-means聚类算法由于随机选取初始聚类中心,这样得到的聚类结果随机性很大。本文将用户在不同项目簇上的评价差异作为用户距离,采用克鲁斯卡尔(kruskal)算法生成初始聚类中心,使得初始中心靠近类中心,这样得到的聚类更符合实际。 针对传统方法没有考虑项目之间的内容关系而影响推荐精度问题,本文提出了基于项目相关性的协同过滤算法。该算法首先将项目相似性引入到预测评分中的用户相似性计算,避免了不相关项目对用户相似性计算的干扰,其次,在预测评分中增加时间权限,使得越新的用户兴趣在推荐过程中的权值越大。 最后利用MovieLens数据集进行两个实验:最近邻居搜寻效率实验和协同过滤算法实验。前者的度量方法是最小空间内搜索到更多的邻居,实验结果表明基于项目簇偏好的的K-means聚类算法可以在更小的用户空间内搜索到更多的邻居用户,提高了查找用户最近邻的效率和精度;后者以MAE作为评价指标,对本文设计算法和传统算法进行性能比较,实验结果表明本文设计算法得到了更好的推荐效果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 姜丽红;徐博艺;席俊红;;基于案例推理的过滤算法及智能信息推荐系统[J];清华大学学报(自然科学版);2006年S1期
2 蔡浩;贾宇波;黄成伟;;结合用户信任模型的协同过滤推荐方法研究[J];计算机工程与应用;2010年35期
3 崔亚洲;段刚;;基于Web日志和商品分类的协同过滤推荐系统[J];电子科技大学学报(社科版);2006年03期
4 程婷婷;王恒山;刘建国;;用户和项目联合度对二分网络个性化推荐的影响[J];计算机科学;2011年05期
5 郭艳红;邓贵仕;;协同过滤的一种个性化推荐算法研究[J];计算机应用研究;2008年01期
6 查文琴;梁昌勇;曹镭;;基于用户聚类的协同过滤推荐方法[J];计算机技术与发展;2009年06期
7 王岚;翟正军;;基于时间加权的协同过滤算法[J];计算机应用;2007年09期
8 郭伟光;章蕾;;基于用户模式聚类的协同过滤个性化推荐方法[J];情报杂志;2011年02期
9 刘丹;褚蓓蓓;郑丽娟;;基于协同过滤的个性化推荐算法研究与实践[J];石家庄铁路职业技术学院学报;2008年02期
10 金艳云;李红兵;;基于个性化学习系统的协同过滤算法改进[J];电脑知识与技术;2009年34期
11 武建伟;俞晓红;陈文清;;基于密度的动态协同过滤图书推荐算法[J];计算机应用研究;2010年08期
12 方育柯;傅彦;周俊临;;基于集成学习的个性化推荐算法[J];计算机工程与应用;2011年10期
13 王爱国;李廉;杨静;陈桂林;;一种基于Bayesian网络的网页推荐算法[J];山东大学学报(工学版);2011年04期
14 余力;董斯维;郭斌;;电子商务推荐攻击研究[J];计算机科学;2007年05期
15 夏秀峰;郝仲模;李磊;;考虑年度日程表事件的协同过滤推荐[J];计算机工程与应用;2010年11期
16 徐兵兵;;基于粗集和模糊聚类的协同过滤算法[J];浙江纺织服装职业技术学院学报;2010年02期
17 方娟;梁文灿;;一种基于协同过滤的网格门户推荐模型[J];电子与信息学报;2010年07期
18 邢春晓;高凤荣;战思南;周立柱;;适应用户兴趣变化的协同过滤推荐算法[J];计算机研究与发展;2007年02期
19 庞秀丽;冯玉强;姜维;;电子商务个性化文档推荐技术研究[J];中国管理科学;2008年S1期
20 刘建国;周涛;汪秉宏;;个性化推荐系统的研究进展[J];自然科学进展;2009年01期
中国重要会议论文全文数据库 前10条
1 冯时;阳峰;王大玲;于戈;;基于虚拟观点社群的用户个性化推荐[A];第六届全国信息检索学术会议论文集[C];2010年
2 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集(一)[C];2008年
3 董全德;;基于双信息源的协同过滤算法研究[A];全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集(上册)[C];2009年
4 庞秀丽;冯玉强;姜维;;电子商务个性化文档推荐技术研究[A];第十届中国管理科学学术年会论文集[C];2008年
5 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年
6 李建国;姚良超;汤庸;郭欢;;基于认知度的协同过滤推荐算法[A];第26届中国数据库学术会议论文集(B辑)[C];2009年
7 罗喜军;王韬丞;杜小勇;刘红岩;何军;;基于类别的推荐——一种解决协同推荐中冷启动问题的方法[A];第二十四届中国数据库学术会议论文集(研究报告篇)[C];2007年
8 孙铁利;杨焱;邱春艳;;基于内容预测的协同过滤推荐[A];2005年全国理论计算机科学学术年会论文集[C];2005年
9 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集(研究报告篇)[C];2004年
10 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年
中国博士学位论文全文数据库 前10条
1 夏培勇;个性化推荐技术中的协同过滤算法研究[D];中国海洋大学;2011年
2 高旻;基于计算语用学和项目的资源协同过滤推荐研究[D];重庆大学;2010年
3 叶红云;面向金融营销问题的个性化推荐方法研究[D];合肥工业大学;2011年
4 沈磊;心理学模型与协同过滤集成的算法研究[D];北京航空航天大学;2010年
5 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年
6 孙慧峰;基于协同过滤的个性化Web推荐[D];北京邮电大学;2012年
7 高滢;多关系聚类分析方法研究[D];吉林大学;2008年
8 刘蓓琳;电子商务用户个性化推荐技术接受影响因素研究[D];中国矿业大学(北京);2009年
9 邓晓懿;移动电子商务个性化服务推荐方法研究[D];大连理工大学;2012年
10 张亮;推荐系统中协同过滤算法若干问题的研究[D];北京邮电大学;2009年
中国硕士学位论文全文数据库 前10条
1 刘芳先;电子商务个性化推荐算法设计与实现[D];江苏大学;2010年
2 钟瑞琼;基于对等网的个性化推荐系统的研究与实现[D];暨南大学;2005年
3 李高敏;基于协同过滤的教学资源个性化推荐技术的研究及应用[D];北京交通大学;2011年
4 邵伟;基于领域知识的协同过滤推荐研究[D];河北大学;2010年
5 康雨洁;基于协同过滤的个性化社区推荐方法研究[D];中国科学技术大学;2011年
6 胡福华;基于可信相似度传递的协同过滤算法研究与应用[D];浙江大学;2011年
7 欧立奇;协同过滤在电子商务推荐系统中的应用研究[D];西北大学;2006年
8 李春;协同过滤推荐算法的研究[D];湘潭大学;2010年
9 汤显;基于类别相似性和分类方法的个性化推荐方法研究[D];燕山大学;2006年
10 王小亮;基于协同过滤的个性化推荐算法的优化和应用[D];浙江工商大学;2010年
中国重要报纸全文数据库 前10条
1 商报记者 金朝力;当当布局手机购物战略[N];北京商报;2011年
2 安吉;卓越亚马逊2007年为用户省钱数亿[N];科技日报;2008年
3 商报记者 金朝力;奇艺推3套推荐引擎抢夺视频新制高点[N];北京商报;2011年
4 李新;卓越更名“卓越亚马逊”[N];中国新闻出版报;2007年
5 国防科技大学计算机学院 应晓敏 窦文华;古老概念的凤凰涅槃[N];计算机世界;2003年
6 应晓敏 窦文华;条条道路通罗马[N];计算机世界;2003年
7 孙琎;想听音乐就啃“苹果”[N];第一财经日报;2008年
8 应晓敏 窦文华;技术架构[N];计算机世界;2003年
9 卓越亚马逊公关总监 高超;B2C发展空间大 用户体验是重点[N];中国电子报;2008年
10 张学琦;卓越亚马逊:国际赢利模式期待延续[N];中国电子报;2008年
 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