电子商务系统中协同过滤推荐算法研究.pdfVIP

电子商务 电子商务系统中协同过滤推荐算法研究 陈孟建　浙江经贸职业技术学院 [摘　要]针对电子商务发展的需求，本文通过对协同过滤推荐算法的文献综述，提出传统过滤算法无法适用于用户多 兴趣下的推荐问题进行了剖析，提出了一种基于用户多兴趣的协同过滤推荐改进算法，分析了基于用户多兴趣的协同过滤 推荐算法的电子商务系统。 [关键词]电子商务系统　协同过滤推荐算法　算法研究 一、引言 关联的前件相当于一个兴趣组，而规则的后件则相当于这个兴趣 电子商务迅猛发展的时代已经到来，网上购物的交易方式正 组的推荐。如果当前用户对该规则前件中的所有项目都喜欢，那 在改变着传统的商业模式。2007年，电子商务的交易额达到了 么就把规则的后件以一定可信度推荐给当前用户。而使用用户关 8900亿人民币。面对如此众多的商品，无疑会大大增加用户发现 联进行推荐时，用户关联的后件必须是当前用户，使用用户关联 满意商品的困难。于是个性化推荐系统逐渐成为电子商务领域中 的前件中的用户的共同兴趣模拟当前用户的兴趣，模拟的可信度 的一项重要的研究内容，得到了广泛关注。 就是用户关联的可信度，以此作为推荐的依据。 研究电子商务推荐系统对企业和社会具有很高的经济价值。 3.协同过滤(Collaborative Filtering）的基本概念就是把这种推 电子商务个性化推荐系统的关键是建立用户模型。推荐系统的热 荐方式变成自动化的流程 点问题是推荐技术和推荐算法的研究。推荐算法是整个推荐系统 协同过滤主要是以属性或兴趣相近的用户经验与建议作为提 的核心，它的性能决定了最终推荐结果的好坏。为了建立合理的 供个性化推荐的基础。透过协同过滤，有助于搜集具有类似偏好 用户模型，满足不同用户对实时性、推荐方式等的要求，产生了 或属性的用户，并将其意见提供给同一集群中的用户作为参考， 一系列的推荐技术和算法。涉及的技术包括基于内容的过滤技 以满足人们通常在决策之前参考他人意见的心态。 术、协同过滤技术、关联规则挖掘技术、分类和聚类技术、神经 本人认为，协同过滤技术应包括如下几方面:(1)一种比对和 网络技术等等。 搜集每个用户兴趣偏好的过程;(2)它需要许多用户的信息去预测 协同过滤推荐是迄今为止最成功的个性化推荐技术，被应用 个人的兴趣偏好;(3)通过对用户之间兴趣偏好相关程度的统计去 到很多领域中，协同过滤相当突出的优点是其决策基础是 “人” 发展建议那些有相同兴趣偏好的用户。 而不是 “内容的分析”，能针对任何形态的内容进行过滤，更能 三、协同过滤推荐现有算法的分类研究与分析 处理相当复杂和艰难的概念呈现，以获得意料之外的结论。 正是因为传统协同过滤推荐算法存在着诸多问题，研究者们 文章重点研究电子商务系统中协同过滤推荐算法。 才不断提出改进的协同过滤推荐算法。 二、电子商务推荐算法的研究 1.全局数值算法 目前的电子商务推荐系统中运用的推荐算法主要可分为三大 全局数值算法每生成针对一个用户的推荐项目列表就需要扫 描用户评价数据库一遍，这种方法能随数据的变化而变化，实现 类：基于内容的推荐算法(Content-based Recommendation 也比较简单，所以被大量才采用。但是在实践中数据稀疏性难以 Algorithm）、基于规则的推荐算法(Rule-based Recommendation 解决，面对庞大的用户数据库，推荐产生也非常耗时，从而使得 Algorithm)和协同过滤推荐算法（Collaborative Filtering Recommen- datio