基于用户行为的电子商务推荐系统的设计与研究-计算机应用技术专业论文.docxVIP

1 1 2 2 摘 要 目前电子商务网站数量众多，信息资源总量庞杂、增长速度飞快，导致用 户在整个商品空间上出现信息迷航和信息过载问题，信息使用效率降低。现有 的电子商务网站搜索系统和搜索引擎，主要通过用户输入的搜索条件进行信息 过滤，没有个性化的考虑，无法根据用户的需求，提供便捷、高效、准确的服 务。如何顺应电子商务向以用户为中心发展模式的转变，就必须应用个性化推 荐系统。推荐系统能够针对不同的用户提供满足其个性化需求的服务，提高用 户从信息中寻找知识的效率，与客户建立长期稳定的关系，能够使网站立于不 败之地。 推荐系统通过模拟商店销售人员，根据用户的兴趣爱好，向目标用户推荐 符合其兴趣爱好的商品。推荐算法是推荐系统中最重要的组成部分，关系着推 荐系统的推荐质量。协同过滤算法是目前应用最广泛、最成功的推荐算法。然 而，随着互联网用户数量的剧增，协同过滤算法在数据稀疏性、用户评分真实 性等问题上日趋严重，影响了推荐系统的质量。 基于上述情况，本文从理论和实践两个角度出发，研究、设计了一个基于 用户行为的电子商务推荐系统。主要采用前融合组合推荐策略，将 Web 使用挖 掘技术和基于用户-商品类的协同过滤推荐算法相结合，避免了单纯使用协同过 滤技术的弱点，降低了传统协同过滤算法中数据稀疏性问题。阐述了基于用户 行为的电子商务推荐系统的设计思想，详细介绍了算法的三个组成模块：用户 聚