关联规则在移动电子商务推荐系统中的应用研究.docVIP

关联规则在移动电子商务推荐系统中的研究与应用 性化推荐算法是核心。基于内容的推荐和协同过滤是最主要的两种。为了克服各自的缺 点，可以将各种推荐方法混合使用，以提高推荐精度和覆盖率。同时，信息获取和人工 智能以及模糊推荐等相关领域的引入扩宽了推荐算法的思路。 (3) 推荐系统的评价问题。要使推荐系统为广大用户所接受，必须对推荐系统作出客 观综合的评价。推荐结果的准确性和可信性是非常重要的两个方面。如何对推荐结果的 准确性进行判定，如何把推荐结果展示给用户以及如何获取用户对推荐结果的评价都是 需要深入研究的问题。 (4) 推荐系统的应用和社会影响研究。需要建立推荐系统在其他应用领域的应用框 架，研究如何与企业其它信息系统的集成。 国外研究现状 在推荐系统模型的建立上，国外研究的建模技术主要有用户评价矩阵，机器学习、 智能代理等技术[2-4]，通过使用这些建模技术建立推荐用户模型，然后利用建好的模型 为用户提供个性化推荐服务。在推荐算法方面，协同过滤技术是应用最广泛的个性化推 荐技术，基于用户之间的相似性，即邻居用户产生推荐结果。随着推荐系统规模的扩大， 实时性研究逐渐成为热点。文献[5]使用奇异值分解技术减少特征向量空间的维数，提高 最近邻居的搜索速度。文献[6]对用户最近邻居和项采用不同权重的方法来提高推荐质 量。但是由于传统的协同过滤技术存在着稀疏性问题，在面对海量数据还会导致系统性 能的降低，因此数据挖掘技术被引入推荐系统，如关联规则、聚类挖掘等被推荐系统模 型中，以提高推荐质量和效率[7-8]。 推荐系统的应用方面，推荐系统是信息检索和信息过滤领域的研究热点，得到了许 多著名研究机构和研究者的关注，出现了一些研究型推荐系统实例： （1）TYPESTRY：Xerox PARC 研究中心提出的一个研究型协同过滤推荐系统， 用于过滤电子邮件、推荐电子新闻。它通过自有的 TQL 语言，客户查询请求中必须明 确指出与自己兴趣爱好相似的其它客户，因此只适用于客户群体比较小的场合。 （2）ACF：Active Collaborative Filtering 系统是 Carnegie－Mellon 大学开发的主 动协同过滤推荐系统，ACF 系统通过指针实现协同过滤推荐服务，用于电子文档推荐。 它与 TYPESTRY 系统一样只适用于用户群体较小的场合。 （3）GroupLens：自动协同过滤推荐系统，用于新闻组信息荐。GroupLens 系统通 过用户的评分信息自动搜索用户的最近邻，然后根据最的评分信息产生最终的推荐结 果，适合于用户数量比较大的场合。 （4）MovieLens：Minnesota 大学开发的研究型自动协同过滤推荐系统，用于推荐 电影。与 GroupLens 不同，MovieLens 是一个基于 web 的推荐，系统通过浏览器方式 - 2 - 万方数据 兰州交通大学硕士学位论文 进行用户评分数据收集与推荐结果显示，用户使用更方便。 （5）Ringo：由 MIT 媒体实验室开发的研究型协同过滤推荐系统，用于提供化的 音乐推荐服务。Ringo 系统可以向用户推荐他们喜欢的音乐，预测用户不喜欢的音乐， 也可以预测用户对特定音乐的评分。 （6）Video Recommender：BellCore 开发的协同过滤推荐系统，用于电影。Video Recommender 系统通过电子邮件方式收集用户评分数据，提供推荐服务。 （7）FAB：Stanford 大学数字图书馆项目组开发的基于内容的过滤和协同过滤符 合推荐系统，用于推荐 web 页面。其特点是综合了基于内容过滤的推荐和过滤推荐的 优点，同时支持两种类型的推荐服务。 除了研究型推荐系统之外，随着推荐系统理论和技术的成熟，推荐系统在电子商务 得到了广泛的应用。推荐系统的应用领域包括书本，CD，电影，新闻，电子产品，旅 游，金融服务和其他许多产品和服务。表 1.1 列出了部分采用协同过滤技术的网站。 表 1.1推荐系统应用网站 系统名称 推荐产品类型 网址 CD N CD 唱片 Grouplens Usenet 新闻 / MovieF 电影 / Movielens 电影 / R 电影 http：/// A 图书 / Internet Watcher 网页 / Phoaks 网站 / Yenta 寻友 / Jester 笑话幽默 /humor 国内研究现状 相比国外，国内在推荐系统的模型研究与应用方面，起步较晚，但随着电子商务的 蓬勃发展壮大，国内学者对推荐系统的研究也越来越多，也越来越深入。在推荐系统模 型研究领域，李忠俊等提出一种基于内容和协同过滤同构化整合的推荐系统模型，该模 型，该模型利用了两种推荐技术的优点，提高了推荐效果的准确性[9]；吴吉义等对基于 协同