收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于领域本体的电子商务推荐技术研究

肖敏  
【摘要】: 随着Internet的不断发展,电子商务系统给商家和客户带来了越来越多的信息,如何及时地在网上的海量信息中发现所需要的信息变得越来越困难。于是电子商务诸多的推荐系统应运而生,推荐技术成为一个研究的热点,引起人们的广泛关注。 近年来,电子商务推荐技术在理论和实践中均得到了较快的发展,与此同时,电子商务推荐系统面临着严峻挑战。针对现有电子商务推荐系统存在的问题,本文在电子商务推荐系统中引入领域本体,对电子商务推荐系统中的推荐算法及推荐模型等关键技术进行了深入的研究,以期通过引入领域本体和Web挖掘提高电子商务推荐的准确率和实时性。其主要工作与创新体现在: (1)在探讨和分析比较各种本体构建方法基础上,借鉴软件工程学中的基于软件生命周期模型的方法论,并利用现有的本体构建工具,提出了一种新的基于原型迭代的领域本体构建方法,并构建个性化推荐所需的领域本体。 (2)稀疏性问题是协同过滤推荐所面临的最重要问题之一。针对用户评分数据的稀疏性问题,本文提出一个基于领域本体和用户偏好变化的协同过滤推荐算法。利用领域本体中项目的类型及属性计算项目之间的语义相似度,采用KNN(K Nearest Neighbor,K最近邻居)的思想根据用户对项目的评分,预测用户未评分项目的评分,填充用户评分矩阵的缺失值,而后在填充后的用户-项目评分矩阵基础上进行推荐。利用用户的特征因素对用户进行聚类,缩小最近邻居的选择范围。本算法还考虑到用户偏好的变化,引入遗忘函数,根据评价时间调整评分权重。实验结果表明:所提出的算法能够有效地解决稀疏性问题,改善了推荐的质量。 (3)传统的Web使用挖掘在个性化推荐过程中没有考虑相关领域的语义知识,不能利用对象的语义进行推荐,从而导致推荐的准确率比较低。针对上述问题,提出一种基于领域本体和Web使用挖掘的个性化推荐模型,将领域本体集成到Web挖掘和个性化推荐中。针对这一模型,本文提出一种基于语义聚类的个性化推荐算法,利用领域本体对Web数据进行预处理,并采用K-Means层次凝聚算法对交易事务进行聚类分析。而后利用各个聚类的质心点矢量来表征每个聚类,生成准确的用户访问偏好和推荐集。 (4)提出了多模型的电子商务推荐系统模型,该模型支持非个性化、协同过滤和基于Web使用挖掘的多种推荐。通过挖掘Web使用数据和用户项目-评分数据,分析用户属性信息和用户评分记录等信息,挖掘用户潜在兴趣偏好,在不断的学习中为用户提供准确实时的个性化推荐服务。以此模型为基础,设计并实现了基于电影领域本体的个性化推荐原型系统,验证了其正确性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 邢军;韩敏;;基于Web构造领域本体方法的研究[J];小型微型计算机系统;2006年06期
2 王珍娟;庞淑侠;;基于Web挖掘的类别推荐算法[J];兰州理工大学学报;2010年06期
3 龚松杰;潘红艳;;基于领域本体的协同过滤推荐算法[J];计算机系统应用;2008年05期
4 肖敏;熊前兴;;基于项目语义相似度的协同过滤推荐算法[J];武汉理工大学学报;2009年03期
5 古丽拜天·卡米尔;贺恺;邓晓衡;;个性化推荐系统中Web使用挖掘技术的研究[J];企业技术开发;2010年03期
6 陈红丽;李广丽;;Web挖掘在网络教学中的应用[J];江西理工大学学报;2006年03期
7 余肖生;;基于Web挖掘的个性化推荐系统研究[J];现代情报;2008年01期
8 陈基漓;牛秦洲;;WEB挖掘在农业信息网站个性化服务中的应用[J];安徽农业科学;2008年35期
9 宁小红;;娱乐门户网站个性化推荐服务研究[J];电脑与电信;2007年03期
10 刘妮;唐慧佳;;Web挖掘在基于标签的个性化推荐中的应用[J];成都信息工程学院学报;2007年04期
11 霍亮;杨柳;张俊芝;;客户行为的Web挖掘及个性化推荐[J];河北大学成人教育学院学报;2009年04期
12 邓悦;赵井文;;基于Web的用户行为模式挖掘研究[J];硅谷;2009年10期
13 李珊;何建敏;厉浩;;基于知识的协同过滤推荐系统研究[J];情报学报;2008年03期
14 徐海兰;崔荣一;;基于Web日志的用户访问模式挖掘[J];延边大学学报(自然科学版);2009年02期
15 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
16 颜端武;刘明岩;许应楠;;基于领域本体的细粒度用户兴趣建模研究[J];情报学报;2010年03期
17 左鹏,徐和龙,于国庆;Web挖掘在FDSS中的应用探讨[J];计算机与现代化;2001年05期
18 何典,梁英;电子商务个性化推荐系统研究[J];湖南商学院学报;2005年04期
19 卢雪峰;;基于WEB挖掘的用户个性化配置方案研究[J];中国科技信息;2007年24期
20 汪全莉;陈代春;;Web数据挖掘在网络教育中的应用[J];中国科技资源导刊;2008年02期
中国重要会议论文全文数据库 前10条
1 冯瑾;;初始领域本体获取研究——以国际共运领域为例[A];中国图书馆学会专业图书馆分会2009年学术年会论文集[C];2009年
2 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
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 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
5 张晓莹;张桂平;王裴岩;;领域本体构建中关系辅助判断技术研究[A];中国计算语言学研究前沿进展(2009-2011)[C];2011年
6 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
7 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
8 汤显;郭景峰;高英飞;;基于类别相似性的增量协同过滤推荐算法[A];第二十三届中国数据库学术会议论文集(研究报告篇)[C];2006年
9 陶红亮;王明文;曹瑛;;基于项目平滑和聚类的协同过滤推荐算法[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
10 叶琼;李绍稳;张友华;刘恺;;农业领域本体知识的云化方法研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 肖敏;基于领域本体的电子商务推荐技术研究[D];武汉理工大学;2009年
2 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
3 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
4 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
5 何丽;基于Web挖掘的决策支持系统模型研究[D];天津大学;2005年
6 赵娜;基于知识地图的多领域本体语义互联研究[D];吉林大学;2011年
7 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
8 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年
9 谷建军;基于叙词表的中医古籍文献领域本体建模方法研究[D];中国中医科学院;2006年
10 董俊;基于KDD的领域本体构建若干关键问题研究[D];南京邮电大学;2011年
中国硕士学位论文全文数据库 前10条
1 张晓蕾;协同过滤推荐模型及其在汽车电子商务中的应用研究[D];天津师范大学;2010年
2 邵伟;基于领域知识的协同过滤推荐研究[D];河北大学;2010年
3 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
4 王均波;协同过滤推荐算法及其改进研究[D];重庆大学;2010年
5 白龙;融合数据检测与用户信任的协同过滤算法研究[D];燕山大学;2010年
6 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
7 庞军;双聚类算法及其在协同过滤中的应用研究[D];大连理工大学;2010年
8 曾小波;基于协同过滤的推荐系统的研究[D];电子科技大学;2010年
9 李春;协同过滤推荐算法的研究[D];湘潭大学;2010年
10 金亚亚;一种基于改进信任度的协同过滤算法[D];华东理工大学;2011年
中国重要报纸全文数据库 前10条
1 王培森;从Web挖到竞争情报[N];中国计算机报;2003年
2 涂序彦 陈泓娟;在网络信息海洋中淘金[N];计算机世界;2001年
3 ;Web收获:吸纳有用信息[N];计算机世界;2004年
4 刘溟;互联网 个性化营销最佳载体[N];经济日报;2004年
5 张德政;信息挖掘商业智能之“芯”[N];中国计算机报;2002年
6 本报记者 仝仁;数据库网联服务[N];中国计算机报;2001年
7 ;移动经营者的商务机会(未完待续)[N];网络世界;2001年
8 南方;房地产将走向互联网营销[N];中国信息报;2002年
9 杞人;我基于中文的农业本体论研究与应用国际领先[N];科技日报;2011年
10 赵骏飞;数据挖掘在金融行业的应用[N];中国保险报;2011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