电子商务-B-第09讲.pptVIP

Reference: [1] M.Perkowitz and O.Etzioni. Adaptive Web sites: automatically synthesizing Web pages. In Proceedings of 15th National Conference on Artificial Intelligence, Madison, WI, 1998. [2] S.Chakrabart. Data mining for hypertext: A tutorial survey. ACM SIGKDD Explorations, 1(2), pages 1--11, 2000. [3] D.Dillsus and M.J.Pazzani. Learning Collaborative Information Filters. In Proceedings of ICML’98. Pp.46-53. [4] B.Mobasher. A Web personalization engine based on user transaction clustering. In Proceedings of the 9th Workshop on Information Technologies and Systems (WITS’99),December 1999. [5] R.Cooley, B.Mobasher, and J.Srivastava. Data Preparation for mining World Wide Web browsing patterns. Journal of Knowledge and Information Systems, (1) 1, 1999. [6] B.Mobasher, H.Dai, T.Luo, Y.Sun, and J.Zhou. Integrating Web Usage and Content Mining for More Effective Personalization. in Proceedings of the International Conference on E-Commerce and Web Technologies (ECWeb2000), September 2000, Greenwich, UK. 商品推荐系统开发案例（一） 资源推荐系统 资源推荐系统 什么是资源推荐系统 资源：泛指网络上存在的可共享的数字化信息。 资源推荐系统：根据大量用户对众多资源访问（查询和使用）的历史记录，分析用户可能的兴趣所在，提供资源推荐服务，把用户尚未访问、但可能喜欢的资源推荐给用户。 资源推荐系统 推荐的方式 用户自定义的个性化资源； 把与用户访问过的资源类似的资源推荐给用户； 把某些用户访问的资源推荐给与他们兴趣类似的用户。 资源推荐系统 开发任务 构造出资源推荐系统的框架，分析各个模块的功能，给出实现的主要流程和细节。 分析资源推荐中涉及的主要问题，给出参考的算法。 构建一个模拟的应用环境，在该环境中演示资源推荐系统的主要功能和算法。 资源推荐系统 资源推荐的前提 假设: 用户的兴趣是比较稳定的 用户的兴趣是比较稳定的，随时间变化的幅度是比较小的 用户的兴趣是在不断变化的，尽管幅度比较小 用户较近的对资源的访问能体现用户当前的兴趣 时间效应 假设: 更新的资源具有更大的吸引力 资源推荐系统 如何发现用户兴趣? 两个假设： 如果一个用户经常访问某类资源，那么他很可能喜欢该类资源； 如果一些用户经常访问类似的资源，那么他们的兴趣可能相同。 资源推荐系统 问题：如何进行推荐 主要考虑的因素 用户对资源类的偏好 用户之间的相似度 时间效应：兴趣的变化，资源的新颖 用户对推荐的配合程度 资源推荐系统 参考定义1： 用户的资源类的偏好：对某类资源的访问数量的相对大小作为偏好的程度。 用户之间的相似度: 当前相似度定义为： 如果进一步考虑时间的因素 可以考虑形成List of 资源id，Date 以dateFactor(Date)的和作为相似度 资源推荐系统 参考定义2: 时间效应：兴趣的变化，资源的新颖 兴趣保持性依时间而衰减 衰减系数 α，0 α=1 时间效应：资源的新颖 资源吸引力以时间而衰减 衰减系数β，0 β=1 用户对推荐的配合程度 用户对推荐资源的访问情况 资源推荐系统 主要数据结构1 用户集合 Users； 资源集合 Resource； 系统访问日志 User Access Log：记录从某个日期(系统定义)开始用户对资源的访问历史； 推荐资源访问日志 User Recommend Log：记录在某个日期(用户登录)用户对推荐