基于主题的电子商务推荐方法研究管理科学与工程专业论文.docx

哈尔滨工业大学管理学博士学位论文 哈尔滨工业大学管理学博士学位论文 Abs Abstract - - PAGE VIII - - - III - 在特征等统计信息，使得推荐质量受到影响。对此，以知网作为商品概念相 关知识源，扩展推荐中的概念空间，利用词概念相关计算模型来计算用户的 兴趣主题，并与统计信息进行有效融合，以提升商品推荐对概念的敏感能力。 本文以融入自组织映射网络为例，对融合概念相关知识的方法作以深入探讨。 第三，在第二部分提出融合概念知识的基础之上，进一步对推荐对象的 语义信息构造方法进行研究，构建推荐概念知识库。对领域术语候选计算及 领域术语抽取，商品同义词词典的构造方法以及相关词构造方法进行研究。 领域术语抽取用于获取推荐系统原来未知的语义单元，新的专业术语等。当 新的商品、新的词汇出现时，推荐系统应该具备识别这些新术语的能力，此 外本文探讨基于词矢量空间计算相似度的方法以及基于平均互信息计算相关 词，这些不仅可用于概念相关知识推荐中，还可用于用户查询意图扩展中。 第四，不同的用户对同样的问题的理解不尽相同，理解的粒度也可能不 同。本文由此对用户个人偏好的异质性问题研究，提出基于协同的扩展偏聚 类方法，挖掘隐藏在主题内部的用户偏好。提出基于协同的扩展偏聚类方法， 将用户模型与用户对自身信息需求(兴趣爱好、信息访问方式及思维方式)的 组织形式相关联，以用户个性化的主题分类体系、主题分类标识为框架，采 用协同过滤方法扩展同类偏好数量，同时其用户端的层次化信息组织管理， 来克服以权重方式刻画用户兴趣的模型可能导致的偏置现象。 第五，对主题的电子商务推荐系统设计与相关应用进行研究，提出一种 “通用推荐”和“个性化推荐”相结合的主题推荐系统框架，其综合前几项 研究成果，同时由于在推荐初期采用通用推荐可克服冷开始问题，即如果一 个新项目没有人去评价它，或都不去评价它，则这个项目肯定得不到推荐， 推荐系统就失去了作用。系统利用构建用户兴趣模型来全面、准确地描述用 户的购买意图，对主题搜索返回的结果进行过滤、排序与归类，提供推荐。 在论文稿件领域推荐的任务中，着重研究稿件的特征抽取与论文稿件的领域 识别，针对主题垃圾邮件过滤这一特殊主题推荐任务，分析应用主题分类技 术进行邮件过滤所需要的关键技术，使邮件过滤模型具有快速的预测能力。 本文将电子商务推荐理论与技术相结合，旨在研究电子商务推荐系统中 的关键技术，其成果有望为电子商务推荐理论做出贡献，同时也有望对其实 际应用研究产生积极的作用。 关键词 电子商务推荐；主题分类；协同过滤；偏好聚类；语义分析 Abstract With the popularization of Internet and the development of E-Commerce, the structure of E-Commerce web site becames more and more complex. This situation make it hard for consumers to find the products and services they wante. To address this issue, recommendation systems have been proposed to suggest products and to provide consumers with information to help them decide which products to purchase. Recommendation systems can enhance E-Commerce sales by converting browsers into buyers, increasing cross-sell and building loyalty to prevent user losing. Presently recommendation systems have gradually become an important part in E-Commerce IT technologies, more and more research papers about recommendation systems in E-Commerce have appeared in many kinds of conferences and journals. Although recommendation systems in E-Commerce have been very successful in both research and practice, ch