电子商务推荐系统中协调过滤算法的分析与分析.pdfVIP

i | ； ’＼眦帆m帆㈣帆帆＼＼＼＼弧 1=程硕士论文 摘 要 随着互联网和计算机技术的高速发展，用户在结构复杂的电子商务网站中，经常会 在大量的商品中迷失，无法寻到自己想要的商品。在这种情况下，电子商务个性化推荐 系统就诞生了，个性化推荐系统根据用户的兴趣来过滤信息，并将用户喜欢和关注的信 息回馈推荐给用户，帮助用户高效率地发掘对自己有价值的信息，其应用前景广泛，受 到学术界和商业的广泛关注。但是目前的个性化推荐技术还远没有成熟，存在着很多亟 待解决的问题，例如自身数据稀疏度问题、用户自身兴趣变化等问题。 目前个性化推荐系统中应用最为广泛和最为成功的技术是协同过滤技术，协同过滤 的基本思想是：为用户找到喜欢和关注的商品，首先需要找与这个用户行为和口味相近 的用户，然后将相近用户喜欢的物品推荐给目标用户。一般采用最近邻居计算方法，利 用用户的历史记录来计算之间的相关距离，然后根据最近相邻用户的评分来推测目标用 户对这类商品及相似商品的感兴趣程度，使得个性化推荐系统能根据用户的感兴趣程度 为用户进行个性化的推荐。 论文对个性化推荐系统进行了深入研究，从各个方面讨论了个性化推荐系统的基本 原则、流程以及通用的推荐系统体系结构，并对当前协同过滤个性化推荐技术进行了研 究，分析了基于用户的协同过滤算法和基于项目的协同过滤算法的实现，并对传统协同 过滤算法中影响推荐质量的问题进行了深入探讨。 论文使用了组合推荐方法对传统协同过滤算法进行改进，并给出了仿真实验。实验 表明，传统协同过滤算法在准确性和适应性等方面都远远比不上使用了组合推荐的改进 算法，特别是在数据集合非常稀疏的情况下，改进算法体现了优良的性能和普遍的适应 性。 关键词： 电子商务，协同过滤，组合推荐 Abstract Winl the Interactand the rapid of development computer of technologY,uSers e-conunerCe website lostin complex，oftena number large of find commodities，c锄nota w孤t·In proI如ct this they merce personalizedrecommendation Was systemborn, and personallzedrecommendation based system onthe user’sinterest tOfilter