协同过滤推荐模型及其在汽车电子商务中应用研究.pdf

摘 要 随着Intemet和信息技术的飞速发展，电子商务个性化推荐作为一种崭新的智 能信息服务方式，针对不同的用户，通过对用户个性、习惯、偏好的分析，准确 地向用户提供感兴趣的信息和服务，满足用户对于个性化产品需求的同时，提高 了企业的竞争能力，得到了广泛重视。 在大众消费能力逐渐提高、选择产品变得更为精细的今天，汽车作为同常生 活中越来越普及的交通工具，人们对其个性化的需求越来越大。由于汽车配置属 性参数繁多，其用户群体更需要个性化推荐服务帮助其进行购买决策，个性化推 荐系统成为解决这一问题的有效工具。 本文在借鉴国内外研究成果的基础上，通过分析汽车电子商务的特点，对协 同过滤推荐算法及其在汽车电子商务中的应用进行了研究，主要工作包括： (1)分别从汽车销售商和用户的角度，分析汽车电子商务个性化推荐服务的 重要性，并对电子商务个性化推荐系统的组成结构和整体框架，以及主要的推荐 技术进行了比较、分析。 (2)针对传统协同过滤推荐算法评分数据稀疏性和冷开始问题，采用基于属 性值偏好矩阵的协同过滤算法，通过对矩阵的降维以及构建属性值偏好矩阵进行 相似性度量，有效缓解稀疏性；同时建立用户反馈机制，降低冷启动问题的发生 概率。 (3)将