学位论文 > 优秀研究生学位论文题录展示

基于用户兴趣与合作的个性化电子商务推荐系统研究

作　者: 李婷
导　师: 卢涛
学　校: 哈尔滨工业大学
专　业: 管理科学与工程
关键词: 推荐系统 信息过滤 兴趣度向量空间模型 人口统计信息
分类号: F713.36
类　型: 硕士论文
年　份: 2006年
下　载: 622次
引　用: 4次
阅　读: 论文下载
 

内容摘要


推荐系统作为电子商务网站的一种重要的营销工具,使消费者在面对海量的商品信息时得到有价值的购买建议的同时,也提高了网站的销售业绩。随着网络与计算机技术的进步,电子商务推荐系统得到广泛的研究与发展,服务越来越智能化、个性化。同时随着电子商务规模的不断扩大,推荐系统也面临一系列挑战,本文针对推荐系统的算法设计、体系结构等关键技术进行了有益探索。首先,介绍了电子商务推荐系统的基本理论,包括产生的背景、概念、作用、输入输出的表现形式,及常用的推荐方法,并总结了推荐系统研究领域的热点问题。其次,本文还对推荐系统所使用的多种个性化的推荐技术进行了分类介绍,包括信息过滤技术、数据挖掘技术、Horting图等其它技术,重点讨论了两种信息过滤技术,即内容过滤与合作过滤的涵义、各自的原理及算法分析,分别指出两种推荐技术的优点与不足之处,论述了在推荐电影、音乐等文化商品领域结合使用这两种技术的思想,以此作为本文研究的基本出发点。第三,针对数据稀疏性与推荐的实时性的技术难题,本文在传统的用户合作过滤推荐的基础上提出了基于兴趣度向量模型的用户合作推荐机制,以推荐电影项目为例讲解了该算法的基本原理和实现过程,采用MovieLens网站上提供的研究数据进行模拟推荐实验,经过对平均绝对偏差的对比分析,基于兴趣向量模型的推荐方法在一定程度上比传统合作过滤算法有更高的推荐精度。第四,在基于用户兴趣度模型的推荐方法基础上,合理地利用了用户的人口统计信息的参考价值,不仅使基于用户兴趣与合作的推荐方法的准确度进一步提高,还可以解决推荐系统中存在的新用户问题。最后,在上述研究工作的基础上给出基于用户兴趣与合作的个性化电子商务推荐系统运行的体系结构,合理地界定了系统适用的项目领域。

全文目录


摘要  4-5
Abstract  5-9
第1章 绪论  9-15
  1.1 问题的提出  9
  1.2 电子商务推荐系统概述  9-12
    1.2.1 系统的输入输出及表现形式  10-11
    1.2.2 推荐方法  11
    1.2.3 其他设计问题  11-12
  1.3 国内外研究现状  12-13
  1.4 本文的主要研究工作和组织  13-15
第2章 个性化推荐技术  15-27
  2.1 个性化推荐概述  15-16
    2.1.1 可利用的数据和信息  15-16
    2.1.2 推荐技术评价标准  16
  2.2 常用推荐技术简介  16-19
    2.2.1 信息过滤技术  16-17
    2.2.2 数据挖掘技术  17-19
    2.2.3 其他技术  19
  2.3 内容过滤推荐技术  19-21
    2.3.1 基于内容过滤推荐的涵义  19-21
    2.3.2 内容过滤推荐的局限性  21
  2.4 用户合作过滤  21-25
    2.4.1 合作过滤简介  21-22
    2.4.2 合作过滤推荐算法分析  22-25
    2.4.3 合作过滤面临的挑战  25
  2.5 两种过滤技术结合的优越性  25-26
  2.6 小结  26-27
第3章 基于兴趣度向量模型的用户合作推荐方法  27-37
  3.1 面临的问题与研究的出发点  27-28
  3.2 模型的建立  28-32
    3.2.1 项目特征文件  28-29
    3.2.2 用户兴趣度向量空间模型  29-31
    3.2.3 用户邻居模型  31-32
  3.3 基于兴趣度向量模型的推荐机制  32-33
  3.4 实验分析  33-36
    3.4.1 数据描述  34
    3.4.2 实验设计  34-35
    3.4.3 结果对比  35-36
  3.5 小结  36-37
第4章 结合人口统计信息的推荐  37-42
  4.1 人口统计信息  37-38
    4.1.1 人口统计信息的内容  37
    4.1.2 人口统计信息的利用价值  37-38
  4.2 结合人口统计信息的推荐  38-40
    4.2.1 人口统计信息参与推荐的途径  38
    4.2.2 辅助基于用户兴趣度向量模型的推荐过程  38-40
  4.3 新方法的实验分析  40-41
  4.4 小结  41-42
第5章 基于用户兴趣与合作的推荐系统的基本框架  42-49
  5.1 系统的体系结构  42-47
    5.1.1 数据采集  43-45
    5.1.2 离线数据处理  45-46
    5.1.3 在线推荐服务  46-47
  5.2 对系统适用性的说明  47-48
  5.3 小结  48-49
结论  49-51
参考文献  51-56
攻读学位期间发表的学术论文  56-59
致谢  59

相似论文

  1. 基于自然遗忘的个性化推荐算法研究,TP311.52
  2. 基于策略Agent的个性化信息检索系统的研究与实现,TP391.3
  3. Web挖掘技术在电子商务推荐系统中的研究与应用,TP391.3
  4. 基于特征向量的个性化推荐算法研究,TP391.3
  5. 基于WEB2.0的网络招聘管理系统开发与设计,TP311.52
  6. 基于Web数据挖掘的智能推荐研究,TP391.3
  7. 网络推荐系统的营销研究,F49
  8. 基于协同过滤推荐算法电影网站的构建,TP393.092
  9. 源代码专家推荐系统设计与实现,TP311.52
  10. E-Learning个性化推荐系统研究,TP319
  11. 主谓关系识别与主题相关性计算技术研究,TP391.1
  12. 协同过滤优化算法的研究与实现,TP301.6
  13. 混合EPG推荐系统中解析器的设计与实现,TN949.292
  14. 协同过滤算法在电子商务推荐系统的研究,TP391.3
  15. 基于用户聚类的协同过滤推荐系统研究,TP391.3
  16. 基于ATN算法和潜在语义索引的不良信息过滤系统研究,TP391.1
  17. 数据挖掘在电子商务推荐系统中的应用研究,TP311.13
  18. 个性化书籍推荐系统研究与设计,TP391.3
  19. 基于CBR和MADM的多Agent推荐系统研究,TP18
  20. 个性化推荐系统技术与应用,TP18
  21. 基于用户偏好的汽车售后服务推荐研究,F274;F416.471

中图分类: > 经济 > 贸易经济 > 国内贸易经济 > 商品流通与市场 > 商品销售 > 电子贸易、网上贸易
© 2012 www.xueweilunwen.com