基于商品属性与用户聚类个性化服装研究.docVIP

基于商品属性与用户聚类个性化服装研究 　　〔摘 要〕淘宝网作为电子商务时代最大的网上零售平台，为用户提供越来越多的商品与服务的同时，也出现了信息过载等一系列问题。鉴于此，本文提出了基于商品属性与用户聚类的个性化服装推荐方法，通过用户个人信息与对商品的评价，计算用户之间的相似度，进行聚类分析。与此同时，将商品化整为零，通过商品属性来计算商品的相似度，得到top-N相似列表。以此，综合商品与用户两者的权重值，实现为用户提供个性化的商品推荐，解决用户面对信息过载的难题，为用户节省精力，提高用户的购物体验。针对某一淘宝网店铺，本文提出了适合的混合推荐算法，并通过搜集实际数据进行了实证研究，对推荐结果进行准确性评价。 　　〔关键词〕个性化；商品属性；用户聚类；混合推荐 　　DOI：10.3969/j.issn.1008-0821.2015.09.031 　　〔中图分类号〕F71336 〔文献标识码〕A 〔文章编号〕1008-0821（2015）09-0165-06 　　〔Abstract〕As the largest online retail platform in the era of e-commerce，Taobao provides users with more and more goods and services，but it also has a series of problems such as information overload.In this view，the paper proposed a personalized clothing recommendation method based on commodities attributes and users clustering.According to users personal information and his or her comment of the commodity，the paper could calculate the similarities between users，then divide them into different clusters.Meanwhile，the paper described the commodity as a set of attributes and calculate similarities of the products.Then the paper got a list of top-N similar products.With the weights of commoditys similarities and user comments，it provided users with personalized commodity recommendations，solving the problem of information overload.Its aimed to save energy，improve the users shopping experience.Take the example of one Taobao shop，empirical research is carried out by collecting the actual data to evaluate the precision of hybrid recommendation algorithm.And the results were not bad. 　　〔Key words〕personalization；commodity attribute；user clustering；hybrid recommendation 　　随着信息技术与互联网规模的发展，中国网民数量急剧增加，截至2014年12月底，我国网民数量达到649个亿[1]。互联网的用户基础，给电子商务提供了发展的温床。近10年来，电子商务呈现迅猛的发展态势，中国即将进入全民网购的时代。根据艾瑞咨询发布的网络购物市场数据[2]，2014年中国网络购物市场交易规模达到28万亿，增长487%，占社会消费品零售总额的107%。但是，随着越来越多的商家进入电子商务行业，在线销售市场更加的纷繁复杂。面对商品信息海洋，消费者在选购商品时需要采集、搜索大量的信息，才能做出最终的选择。 　　信息过载问题使得消费者在进行网络购物时，需要花费甚至多于在实体店购物的时间与精力，这在很大程度上将会打击消费者的网购信心。为了节省消费者的购物精力，提高消费者的决策效率，电子商务网站的推荐系统应用而生。个性化推荐技术就是根据消费