协同过滤在电子商务推荐系统中应用的研究.pdf

摘要 摘 要 近年来，电子商务个性化推荐系统在网络上获得了普遍应用，其中应用最 为广泛的个性化推荐技术是协同过滤技术。而随着网上有效信息的数量和商品 的种类的急速增长，也对推荐系统提出了严峻挑战，协同过滤推荐中存在的新 项目推荐问题、稀疏性问题等亟待解决。 针对这些问题，本文综述了电子商务个性化推荐系统和常用的一些推荐方 法，分析了协同过滤推荐中新项目难以推荐和稀疏性问题的根源，提出了一种 对项目矩阵进行层次划分的方法。其基本思想是，首先利用分类树算法划分项 目矩阵并计算项目间的相似度，在此基础上缩小近邻搜索的范围和需要预测的 资源数目。通过用户对已有项目的评分顺序和项目间的相似性，预测用户对新 项目的评分。试验结果表明基于项目矩阵划分的协同过滤算法，有效地解决了 新项目推荐困难的问题，显示出了比传统推荐算法更好的推荐质量和扩展性。 在此基础上，本文设计并开发了协同过滤商品推荐系统，通过买家访问日 志，利用上述分析方法，可有效推荐给买家相似群组的偏好商品。此外，为了 增进推荐内容资讯鲜度，本研究利用上述算法，有效地解决了新项目难以推荐 的问题。 最后，通过对数码消费产品业的模拟销售，推荐系统可以有效地提升电子 市场的绩效，使商品的推荐行为更加有效，更有利于商品的销售。 关键词：协同过滤项目相似性矩阵划分个性化推荐分类树 两北人学坝l研究生论文 Abstract recommender systems， Recently，personalized fi recommender achieved eoll8b。rativeItering systems，have amountofavailable ontheWeb．Thetremendousinthe successes growth and kindsofcommoditiestoWebsites some informationthe poses key for the ofcold—startand recommendersystems，SOproblems challenges tobe in recommendationareneeded collaborative sparsity filtering solved。 and izedrecommender Toaddressthese systems issues，thepersonal methodsare thiS the S0merecommendationintroduced，inpaper，and emSin recommendationare