电子商务个性化推荐系统分析-管理科学与工程专业论文.docxVIP

万方数据 独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 签名： 日期： 年 月 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 签名： 导师签名： 日期： 年 月  万方数据 摘 要 摘 要 Web2.0 时代，电子商务得到飞速的发展。但是随着电子商务发展不可避免的 带来了“信息超载”问题，解决这一问题的方法就是使用个性化推荐系统。电子 商务个性化推荐系统（Personalized Recommendation Systems for E-Commerce）是 利用电子商务网站向客户提供信息和建议，帮助用户决定应该购买什么产品，模 拟销售人员帮助客户完成购买过程。优质的个性化推荐系统带来了巨大的经济价 值和社会价值的同时，也能提高电子商务网站在当今激烈的市场竞争环境下的存 活能力。 本文详细介绍了个性化推荐系统中常用的几种推荐算法如：协同过滤推荐算 法、基于内容的推荐算法、基于网格的推荐算法等，并一一介绍和分析它们的优 缺点，其中协同过滤推荐算法是当今存在最久且使用最广的推荐算法。针对传统 的协同过滤推荐算法中存在的问题：相似性计算中并没有考虑单个用户兴趣点之 间的差异、用户间共同评分项目过少对相似性计算结果带来的偏差以及新项目问 题，提出了相应的改进算法。在改进的协同过滤算法中，使用在一定程度上反映 出单个用户兴趣点差异的项目相关性去修正 Pearson 系数，然后将这个修???的 Pearson 系数与用户共同评分的条件概率进行相乘，得到最终的相似性结果。对于 新项目问题，在基于项目的协同过滤推荐算法基础上通过项目相关性的计算来修 正原来的基于项目的协同过滤推荐算法对于新项目无法获取最邻项目集这一问 题。然后在 MovieLens 数据集中验证这个改进的协同过滤算法和新项目问题解决 方案，通过与传统的协同过滤推荐算法比较精确度得出了改进的协同过滤推荐算 法 的 确 提 高 了 推 荐 结 果 的 精 度 ， 此 外 ， 通 过 计 算 新 项 目 问 题 的 解 决 方 案 在 MovieLens 数据集中的 MAE 值得出该解决方案能在一定程度上解决新项目问题， 从而得出本文提出的该解决方案是有效、可行的。 最后将这个改进的协同过滤推荐算法使用在一个团购平台项目中，介绍了相 应的推荐模块的设计和实现，最终达到实用的目的。 关键字：个性化推荐系统，协同过滤，相似性计算，兴趣点差异 ，新项目问题 I  ABSTRACT ABSTRACT Web2.0 era, the e-commerce has developed rapidly. But with the development of the electronic commerce the information overload problem has brought out inevitably. The personalized recommendation system is used to solve this problem. The Personalized Recommendation Systems for E-Commerce is the use of e-commerce site to provide customers with information and advice to help users decide to purchase product, and to simulate sales staff help customers to complete the purchase process. The high-quality personalized recommendation system has brought huge economic and social values, but also can improve the viability of e-commerce site in todays highly com