协同过滤技术及其在电子商务推荐领域的应用研究

南京理工大学硕士学位论文协同过滤技术及其在电子商务推荐领域的应用研究姓名：罗胜阳申请学位级别：硕士专业：情报学指导教师：哈进兵20080625协同过滤技术及其在电子商务推荐领域的应用研究作者：罗胜阳学位授予单位：南京理工大学相似文献(10条)1.学位论文王霞协同过滤在电子商务推荐系统中的应用研究2003协同过滤是目前在电子商务推荐系统中应用较为成功的个性化推荐技术.但是,当系统规模(用户数量、产品种类)很大时,推荐系统中的协同过滤技术面临着严峻的挑战.为了迎接这种挑战,提高推荐系统的推荐质量和实时性,目前国内外进行了较多的研究,其成果也在实际中得到了一定的应用.论文全面介绍了电子商务推荐系统及其典型的实现技术、协同过滤及已有协同过滤算法的两个方向.着重分析了协同过滤在推荐系统中应用时所面临的问题,以及现有的解决方法.通过对基于项和基于用户的协同过滤算法的比较与分析,提出了一个基于项的协同过滤改进算法.对改进算法进行了详细的理论分析,阐述其可行性,给出了改进算法在标准数据集上的实验结果,并对改进算法与原算法进行了相关性能的比较分析.最后,对该文研究进行了全面总结,指出存在的不足,展望了未来进一步研究的方向.2.期刊论文游文.叶水生.YOUWen.YEShui-sheng电子商务推荐系统中的协同过滤推荐-计算机技术与发展2006,16(9)电子商务推荐系统中协同过滤已成为目前应用最广泛、最成功的推荐方法.它利用相似用户购买行为也可能相似的特性进行推荐.介绍了与其他方法比较协同过滤方法的优点,然后说明了一些主要的协同过滤实现方法,指出了还需改进和完善的地方以及未来研究的方向.3.学位论文青海电子商务推荐系统核心技术研究2009随着互联网的普及和电子商务的发展，电子商务系统在为用户提供越来越多的选择的同时，其结构也变得更加复杂，用户经常会迷失在大量的商品信息空间中，无法顺利找到自己需要的商品。电子商务推荐系统(RecommenderSystem)直接与用户交互，模拟商店销售人员向用户提供商品推荐，帮助用户找到他们真正所需购买的商品。近年来虽然电子商务推荐系统在理论和实践中都得到了很大发展，然而电子商务推荐系统仍面临着一系列挑战。针对电子商务推荐系统面临的主要问题，本文对电子商务推荐系统中推荐算法和推荐系统体系结构等核心技术进行探讨，主要创新如下：首先，提出基于关联集合的协同过滤推荐算法。在个性化推荐中，尽管用户评价了某些项目，但这些项目是用户在无意或其他偶然因素影响下评价的，与用户自身偏好并没有多大关联，这往往更符合实际情况。这些不相关的项目相当于噪音数据，往往会干扰协同过滤的效果。为了进一步提高推荐精度，本文提出基于关联集合的协同过滤推荐算法：利用Apriori算法得到频繁项集，取得关联集合，再进行协同过滤，真正的依据用户的偏好信息来进行推荐，从而提高推荐精度。试验结果表明，与传统协同过滤推荐算法想比，基于关联集合的协同过滤的推荐算法可以有效地提高推荐精度。其次，提出柔性电子商务推荐系统。目前大部分的电子商务推荐系统都是一个单一的工具，只能提供一种推荐策略。在电子商务环境下，商品极其丰富，个性需求多种多样，于是迫切需要更加灵活、实用的推荐策略。为此，本文运用柔性理论对电子商务推荐系统进行分析，提出柔性电子商务推荐系统。该系统通过策略模块去完成推荐需求与实现之间的映射，通过这个映射完成不同的推荐服务。系统的设计遵循构件化的原则，以做到随着策略的改变能够灵活的调整。4.学位论文李聪电子商务推荐系统中协同过滤瓶颈问题研究2009随着Internet和电子商务的迅猛发展，人类已经进入信息社会时代。我国的电子商务市场发展潜力巨大，同时保持了持续高速增长势头。人们通过访问电子商务网站，可以享受足不出户选购商品的快乐和方便。但是，电子商务网站提供的大量商品对用户造成了“信息超载”，导致电子商务网站面临这样一个严峻的问题：如何在用户浏览网站时将适合该用户的商品推荐到他/她面前，克服信息超载带来的不利影响，从而促成更多的交易以增加企业销售额？电子商务推荐系统(E-commercerecommendersystems)就是解决信息超载问题的一种方案、一种实现电子商务网站“一对一营销”战略的技术，可作为网站客户关系管理的有益组成部分，已经在许多大型网站得到应用。协同过滤是目前电子商务推荐系统中广泛使用的、最成功的推荐算法，但还存在诸如稀疏性(sparsity)、冷启动(cold-start)、可扩展性(scalability)等制约其进一步发展的瓶颈问题。因此，需要对上述协同过滤瓶颈问题展开进一步研究。本文的主要研究内容如下：(1)对协同过滤的国内外研究现状进行了全面的梳理和综述，在此基础上对协同过滤瓶颈问题进行了提炼。(2)针对基于项目评分预测的协同过滤推荐算法在缓解稀疏性问题上的不足，即目标用户最近邻搜寻不够准确和存在不必要计算耗费，首先提出了非目标用户类型区分理论，从而将用户评分项并集中的非目标用户区分为无推荐能力和有推荐能力两种类型。对于无推荐能力用户，不再计算其与目标用户的相似性以提高算法效率和改善推荐实时性；对于有推荐能力用户，则在其与目标用户存在共同评分项类时，提出了领域最近邻理论对用户评分项并集中的未评分项进行评分预测，从而使最近邻搜寻更加准确。为了防止用户评分数据的极端稀疏现象可能导致领域最近邻的用户相似性过低，进一步提出了一种基于Rough集理论的用户评分项并集未评分值填补方法，该方法能有效实现用户评分项并集的完备化，从而将其应用于评分矩阵的未评分值估算以缓解稀疏性，实现了对领域最近邻理论的有效补充。(3)针对冷启动中的新用户问题，提出了一种冷启动消除方法。首先，提出了用户访问项序理论，通过Web日志来获取用户访问项序，并定义了n序访问解析逻辑，将用户访问项序分解为用户访问子序集，并设计了用户访问项序的相似性计算方法来搜寻新用户的最近邻集合，进而提出了一种改进的最频繁项提取算法IMIEA来对最近邻集合的用户访问项序进行处理，得到面向新用户的top-N推荐；基于最近邻用户与新用户的用户访问项序集合，建立了用户访问项序的Markov链模型，实现了对新用户的商品导航推荐。(4)针对可扩展性问题，提出了一种适应用户兴趣变化的协同过滤增量更新机制，能够以较小的系统计算量在用户提交新评分后实时更新相应项目与其它项目之间的相似性数据，从而消除了传统方法在每次进行推荐计算时无法避免的扫描全体项目空间的计算耗费，有效改善了可扩展性；同时，由于这种增量更新机制保证了在推荐运算中能够使用到最新的用户评分数据，因此使得推荐服务可以适应用户兴趣偏好的动态变化，从而弥补了传统的离线计算项目相似性方法难以反映用户兴趣漂移的不足。(5)在本文提出的上述理论和方法基础上，设计并实现了一个电子商务协同过滤原型系统ECRec(E-CommerceRecommendersystem)，该系统具有良好的可移植性、可维护性及开放式架构(openarchitecture)特征。5.期刊论文姚忠.吴跃.常娜.YAOZhong.WUYue.CHANGNa集成项目类别与语境信息的协同过滤推荐算法-计算机集成制造系统2008,14(7)为改进基于项目的协同过滤推荐算法的推荐效果,在项目相似性计算时引入项目类别因素的影响,得出新的推荐算法,即基于项目类别的修正条件概率相似性,并在此基础上提出集成语境信息的多维推荐模型.通过与相关相似性、余弦相似性和修正余弦相似性的数值实验对比,证明在数据比较稀疏的情况下,改进算法所获得的推荐效果有较大提高.6.学位论文吕海军基于协同过滤和Web使用挖掘的电子商务推荐系统2004电子商务推荐系统在理论和实践中都得到了很大发展.但是随着电子商务系统规模的进一步扩大,电子商务推荐系统也面临一系列挑战.有鉴于此,该文对电子商务推荐系统中推荐算法设计以及推荐系统体系结构等关键技术进行了有益的探索和研究.首先,该文给出了推荐系统的分类,包括消费者的输入信息、向消费者提供推荐的方式、生成推荐的技术和推荐的个性化水平.该文分析了用于完成推荐的各种技术,包括信息过滤、数据挖掘和其他技术,介绍了各种技术产生推荐的思想,并指出了其优缺点.其次,该文分析了传统的协同过滤技术进行推荐时存在的缺陷,提出了使用Jaccard系数作为重要性加权因子控制与主动客户高度相关的,但是彼此之间共同评分的项的数目较少的邻居的数量,从而实现了对协同过滤算法的改进.该文进行了皮尔森相关系数和Cosine相关系数两种相似度算法的实验,同时比较了选择邻居的相关系数阈值和最好的k个邻居的两种方法.第三,该文研究了基于Web使用挖掘的推荐技术,这种技术将电子商务推荐应用问题分解为三个子问题,即数据预处理问题、模式发现问题、推荐生成问题.该文详细描述了一般Web使用挖掘的过程,同时在模式发现阶段尝试使用基于邻居和链接的ROCK聚类算法,利用其面向二进制数据和分类数据的属性,对使用二进制权值衡量重要性的页面视图进行聚类.通过实验分析了Web使用挖掘技术在电子商务推荐系统中的应用.最后,在上述工作的基础上,为了改善推荐系统性能,该文研究了组合传统的协同过滤和基于ROCK聚类的Web使用挖掘的混合推荐系统的体系结构,论述了系统运行的推荐策略,此外,该文还提出在推荐系统中采用即时通信技术,解决其处理客户反馈实时性差的问题.并分析了推荐系统的营销广告方案.论文研究成果部分解决了协同过滤技术对主观客户评分的依赖、缺乏可扩展性,以及面对高维度和稀疏数据时性能差的一些缺点.7.期刊论文胡慧蓉电子商务推荐系统中推荐技术研究-科技信息2009,(4)本文简要地介绍了电子商务推荐系统的概念、作用和构成,详细地论述了电子商务推荐系统所采用的推荐技术,并对这几种推荐技术存在的问题进行了分析.8.学位论文陈玲协同过滤推荐算法的研究2006近年来，电子商务推荐系统在理论和实践中都得到了很大发展。但是随着电子商务系统规模的进一步扩大，电子商务推荐系统也面临一系列挑战。在大型电子商务系统中，用户数目和项数目急剧增加，导致用户评分数据的极端稀疏性，在这种情况下传统协同过滤算法均存在各自的不足，导致计算得到的目标用户的最近邻居不准确，推荐系统的推荐质量急剧下降。针对“新项目”问题，本文提出了在传统协同过滤推荐算法基础上加入demographic数据进行综合预测的IDemNN算法。实验结果表明，IDemNN推荐算法可以解决“新项目”问题，且在用户评分数据极端稀疏情况下如果参数选取合适可以在一定范围内解决传统算法信息不足导致的问题，提高推荐系统的推荐精度。此外，本文还针对数据集极端稀疏性问题提出另外一种集成RKNN信息的改进算法IRKNN2，实验结果同样表明，该算法比经典协同过滤推荐算法具有更高的推荐精度，同时比之前提出的IRKNN1推荐算法的推荐精度也有一定程度的提高。9.学位论文盖亮电子商务推荐系统的研究与实现2006随着电子商务应用的不断扩大，个性化服务也得到越来越多的重视，大量的商务软件产品都声称支持个性化。电子商务推荐系统是智能信息服务的体现，它能够在了解用户的短期和长期需求的基础上对用户定制信息的搜索和发送机制，并向用户有针对性的推荐商品。现有的推荐方法暴露出数据稀疏性问题，冷开始问题以及推荐质量低下等问题，这些问题使得当前的普通推荐系统不能准确的挖掘用户的兴趣，并将其最感兴趣的商品提供给用户。本文提出一种集成语义信息的新型推荐方法，该方法提出建立商品的语义关联模型，该模型的结构通过一个行业语义信息训练中心的训练得到，最终产品的语义信息被提取出来集成到现有的基于项目的协同过滤方法中。该方法利用了协同过滤技术的利用其他用户的行为来提高信息的广度和精确度的特点，同时融合了语义过滤技术深层挖掘用户隐含兴趣的优点。本文利用RDF形式的本体来表达商品信息以及用户偏好信息，并设计了一种基于决策树的用户语义偏好模型，该模型基于商品行业离线建立，在线应用，定期更新，增强了推荐系统的实时性能。在上述工作的基础上，设计和开发了集成语义信息的电