面向电子商务个性化推荐的序列关联挖掘研究-管理科学与工程专业毕业论文.docxVIP

Dissertation Submitted to Hebei University of Technology for The Master Degree of Management Science and Engineering The Sequence Association Rules Mining for the E-commerce Personalized Recommendation By Yu Zhengjiao Supervisor： Li Jie November 2014 This work supported by the Natural Science Foundation of Hebei Province. No. G2014202148 原创性声明 本人郑重声明:所呈交的学位论文，是本人在导师指导下，进行研究工作所取得 的成果。除文中已经注明引用的内容外，本学位论文不包含任何他人或集体已经发表 的作品内容，也不包含本人为获得其他学位而使用过的材料。对本论文所涉及的研究 工作做出贡献的其他个人或集体，均已在文中以明确方式标明。本学位论文原创性声 明的法律责任由本人承担。 学位论文作者签名:俞正特 日期:λ，01乎、 /2 、。 关于学位论文版权使用授权的说明 本人完全了解河北工业大学关于收集、保存、使用学位论文的以下规定:学校有 权采用影印、缩印、扫描、数字化或其它手段保存论文:学校有权提供本学位论文全 文或者部分内容的阅览服务:学校有权将学位论文的全部或部分内容编入有关数据库 进行检索、交流:学校有权向国家有关部门或者机构送交论文的复印件和电子版。 (保密的学位论文在解密后适用本授权说明) 学位以作者签名:俞正巧 导师签名:弘 B事在:).、 0;斗. 、I}、1; 河北工 河北工业大学硕士学位论文 面向电 面向电子商务个性化推荐的序列关联挖掘研究 摘 要 随着电子商务的快速发展，网上购物已成为人们日常生活中的不可缺少的活动。 然而，电子商务网站上进行销售的商品过多，而用户的兴趣也千差万别，这就造成了 用户在选择商品时的信息过载问题，面对过多的选择其表现出来选择的无所适从性。 个性化推荐技术是解决这种信息过载问题的最有效手段之一。 然而，现有的个性化推荐技术大多关注用户在一次购买行为内的兴趣，或者将用 户的全部购买记录都看作其兴趣所在，没有考虑到用户的兴趣是随着时间的变化而动 态改变的。其中序列模式挖掘是较为成熟的挖掘事务间商品项目关联，对用户兴趣进 行动态建模的技术。本文对序列模式挖掘算法在个性化推荐技术中的应用进行了拓展 及研究。本文的主要内容包括如下几点： (1) 通过分析基于规则的个性化推荐算法，发现基于短规则的推荐效率要高于基 于长规则的推荐效率。同时，对序列模式挖掘算法进行分析并证明后发现，其二项序 列模式的集合可以代表全部序列模式的信息，而二项序列模式是有意义的最短序列模 式。因此，本文对基于二项序列模式进行个性化推荐做了相关研究。 （2）由于现有算法在大数据环境下挖掘效率较低，开发了只进行一次扫描数据 库并减少冗余用户扫描的二项序列模式挖掘算法，可快速挖掘出二项序列模式，提高 挖掘效率。 （3）序列模式挖掘算法重点关注的是用户多次购买行为间的关联性，对用户在 同一事务购买行为商品间关联性的挖掘较弱，其兴趣覆盖度相对较少。针对上述问题， 引入了关联规则的挖掘算法与序列模式进行结合，应用到基于规则的个性化推荐中， 用亚马逊图书销售数据进行验证，提高了推荐效率及效果。 关键字：个性化推荐，动态兴趣，序列模式，关联规则，最简序列模式 I PAGE PAGE VI III III ABSTRACT With the rapid development of electronic commerce, Shopping on the Internet has become indispensable in peoples daily life. However, the information which the page of electronic business website displays always has some limitation, which can’t display all of the information which the user has interest of at the same time. However, due to a wide variety of goods and the difference of people’s interests, the users have the informa