电子商务个性化荐系统研究.pdf

摘要 随着电子商务相关技术的日益完善，越来越多的人们接受了网络购 物这一新兴消费方式，但个人相对稳定的购买需求与网站所提供纷繁庞 杂商品之间存在矛盾，如何解决这一矛盾成为各国研究人员和电子商务 参与者关注的问题。本文主要研究应用个性化技术的推荐系统，着力于 探讨如何更好的利用用户有意识或无意识反映出的偏好信息，为个性化 推荐原型系统服务。 分析了目前普遍采用的显式和隐式两种用户偏好获取方式的优缺 点，提出了一种混合用户偏好获取模式。在客户端利用嵌入浏览器的脚 本语言获取用户浏览行为信息，并通过评分转化规则得到大量反映用户 偏好的隐式评分，弥补显式评分数据稀疏的缺陷。将隐式评分和相对准 确的显式评分作为用户兴趣模型更新的数据来源。同时，针对电子商务 参与者兴趣变化异常频繁的特点，提出了基于线性衰减的用户兴趣模型。 根据注册信息和浏览行为建立初始兴趣模型，考虑到用户兴趣项目经常 变化的特点，构建了链式向量空间模型表示的兴趣模型。兴趣模型中的 用户评分在固定时间间隔t进行自然衰减直至变为0而被淘汰，若在衰 减过程中产生了新的访问记录和显式反馈，评分将更新为新的评分并继 续参与到衰减过程，构成了用户兴趣模型的主要更新过程。 基于协作过滤算法的推荐系统原型对相似度计算、邻居集体积大小 和协作过滤推荐算法进行了评估测试，验证了系统的可行性。利用嵌入 了特殊脚本的浏览器对用户页面停留时间、鼠标点击次数和页面滚动时 间三种可能反映用户偏好的行为进行了相关性测试，结果表明页面停留 时间和滚动时间与用户偏好度关联紧密，鼠标点击次数并未表现出明显 关联。 关键词个性化服务，混合用户偏好获取，线性衰减，协作过滤 ABSTRACT related Withthe ofe-commerceand improving， popularity technologies moreandmore the ofnet peopleacceptconsumptionpatternspurchases，but thecontradictionbetweentherelative of needsandthe stabilitypersonal to numerousand becomes howresolve complexgoods increasinglysharp，and a inresearch．The this becomehot problem spots personalized use are asthe ect．Thefocusisthe tobetter systemsregardedstudyobj ways thattheuserhas or the of reflect，for preference consciouslyunconsciously recommendationservice personalized pr