协同过滤技术在电子商务推荐系统中的应用研究

浙江大学硕士学位论文协同过滤技术在电子商务推荐系统中的应用研究姓名：何安申请学位级别：硕士专业：计算机软件与理论指导教师：冯雁20070501协同过滤技术在电子商务推荐系统中的应用研究作者：何安学位授予单位：浙江大学相似文献(10条)1.期刊论文张忠平.郭献丽.ZHANGZhong-ping.GUOXian-liPEV:一种新的用于Item-Based协同过滤算法的相似性度量方法-小型微型计算机系统2009,30(4)在Item-Based协同过滤算法中,项目之间相似性的度量是整个算法的关键.通过分析传统的相似性度量方法在系统评分数据稀疏的情况下所存在的弊端,提出一种新的用于Item-Based协同过滤算法的相似性度量方法,该方法从邻近度、影响力、有用性三个方面综合考虑了用户评分对项目相似性的影响.实验结果表明,该方法能够有效地避免传统相似性度量方法所存在的问题,使得数据稀疏性对最终推荐结果的负面影响变小,在一定程度上提高系统的推荐精度.2.期刊论文李聪.梁昌勇适应用户兴趣变化的协同过滤增量更新机制-情报学报2010,29(1)高维、稀疏的用户-项目评分矩阵对基于项目的协同过滤推荐算法造成严峻的可扩展性问题.传统的解决方法是离线计算项目相似性并保存在系统中以供算法调用,但是不能充分利用最新评分数据以体现用户兴趣的变化.针对上述问题,提出了适合在线应用的协同过滤项目相似性增量更新机制,使得推荐系统在当前用户提交项目评分之后,能够实时完成相应项目与其他项目之间的相似性数据更新,从而推荐系统可以基于最新的项目相似性数据进行推荐处理,以适应用户兴趣的变化.实验结果表明,本文提出的项目相似性增量更新机制能够有效提高基于项目的协同过滤算法可扩展性.3.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.4.学位论文欧立奇协同过滤在电子商务推荐系统中的应用研究2006近年来，电子商务个性化推荐系统在网络上获得了普遍应用，其中应用最为广泛的个性化推荐技术是协同过滤技术。而随着网上有效信息的数量和商品的种类的急速增长，也对推荐系统提出了严峻挑战，协同过滤推荐中存在的新项目推荐问题、稀疏性问题等亟待解决。针对这些问题，本文综述了电子商务个性化推荐系统和常用的一些推荐方法，分析了协同过滤推荐中新项目难以推荐和稀疏性问题的根源，提出了一种对项目矩阵进行层次划分的方法。其基本思想是，首先利用分类树算法划分项目矩阵并计算项目间的相似度，在此基础上缩小近邻搜索的范围和需要预测的资源数目。通过用户对已有项目的评分顺序和项目间的相似性，预测用户对新项目的评分。试验结果表明基于项目矩阵划分的协同过滤算法，有效地解决了新项目推荐困难的问题，显示出了比传统推荐算法更好的推荐质量和扩展性。在此基础上，本文设计并开发了协同过滤商品推荐系统，通过买家访问日志，利用上述分析方法，可有效推荐给买家相似群组的偏好商品。此外，为了增进推荐内容资讯鲜度，本研究利用上述算法，有效地解决了新项目难以推荐的问题。最后，通过对数码消费产品业的模拟销售，推荐系统可以有效地提升电子市场的绩效，使商品的推荐行为更加有效，更有利于商品的销售。5.期刊论文闫祥雨.谢红薇.孙静宇基于领域知识的协同过滤推荐算法-电脑开发与应用2010,23(4)传统协同过滤推荐算法中项目相似度的计算建立在用户评分项目交集之上,没有考虑不同项目之间所存在的语义关系,致使推荐准确率低.基于领域知识进行项目相似度计算的协同过滤算法在用户评分的共同项目很少的情况下仍能给出不错的推荐.实验结果表明,该算法可以有效地解决用户评分数据极端稀疏的问题,提高推荐系统的推荐质量.6.期刊论文王霞.WANGXia基于项的协同过滤在推荐系统中的应用研究-计算机工程与设计2007,28(7)分析基于项的协同过滤在推荐系统中应用及所存在的问题,提出了一个基于项的协同过滤改进算法,并给出了改进算法在标准数据集上的实验结果,对改进算法与原算法进行了相关性能的比较分析,证明了改进算法的有效性.最后,对研究进行了总结,指出存在的不足,提出了进一步研究的方向.7.期刊论文欧立奇.陈莉.马煜.Ou.Liqi.Chen.Li.Ma.Yu协同过滤算法中新项目推荐方法的研究-微计算机信息2005,(33)为了有效地解决协同过滤算法中新项目难以推荐的问题,文中提出了一种对项目矩阵进行划分的方法.其基本思想是,首先利用分类树算法划分项目矩阵并计算项目间的相似度,在此基础上缩小近邻搜索的范围和需要预测的资源数目.通过用户对已有项目的评分排列顺序和项目间相似性预测用户对新项目的评分.实验结果表明:基于项目矩阵划分的协同过滤算法有效地解决新项目推荐困难的问题,显示出了比传统推荐算法更好的推荐质量和扩展性.8.学位论文温会平基于项目类别相似性与用户多兴趣的个性化推荐算法的研究2008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，帮助用户找到所需商品，从而顺利完成购买过程。在日趋激烈的竞争环境下，电子商务推荐系统能有效保留用户、防止用户流失，提高电子商务系统的销售。电子商务推荐系统在理论和实践上都得到了很大发展，特别是推荐方法的研究是其核心部分，采用哪种推荐方法对于推荐系统的效果和效率至关重要。推荐方法包括:知识工程、基于内容的推荐方法、协同过滤推荐方法、混合推荐方法、数据挖掘方法。目前协同过滤方法是最成功的推荐方法。电子商务系统规模的日益扩大，协同过滤推荐方法也面临诸多挑战:推荐质量、扩展性、数据稀疏性、冷启动问题等等。本文对电子商务推荐系统中推荐算法设计进行了有益的探索和研究。本文的研究内容主要包括电子商务推荐算法推荐质量和“冷启动”研究。本文的主要研究成果如下:1.提出了一种基于项目类别属性的项目相似性计算方法，因为在大型电子商务系统中，用户评分数据极端稀疏，传统的相似性度量方法是在整个用户空间上度量项目之间的相似性，没有考虑项目所属类别对项目相似性的影响，因而计算结果不够准确，本文提出的类别相似性度量算法首先运用模糊聚类技术对用户进行聚类，将单个用户对项目的评分转化为用户相似群体对项目的评分，构造密集的用户模糊簇一项目的评分矩阵，并结合项目自身的类别属性特征对项目相似性计算的影响最终完成项目相似性的计算，将结果保存在数据库中，这一步可采用离线周期的进行，不会影响推荐系统的实时性，实验结果表明，项目类别属性对相似性准确度的计算有很大的影响。2.对用户最近邻居的搜索方法进行了改进，首先采用新型的项目相似性计算方法，利用Item-Based协同过滤推荐算法，对目标用户未评分的项目进行初步预测评分，以降低数据的稀疏性，提高用户评分矩阵的数据密度；另外考虑到用户本身存在多兴趣的问题，因此在计算目标用户对目标项目的最终预测评分时，目标用户邻居用户的选择与待预测的项目的类别属性有关，即:改变传统的在整个项目空间上计算用户相似性，而是把项目空间缩小到待预测项目邻居集合的空间上来计算用户相似性，这样不仅提高了用户相似性计算的准确度，而且对整个项目空间进行了有效的降维，提高了算法的推荐精度，以提高用户最终预测评分的准确性。通过实验验证本文提出方法的正确性和有效性。9.期刊论文曾艳.麦永浩基于内容预测和项目评分的协同过滤推荐-计算机应用2004,24(1)文中提出了一种基于内容预测和项目评分的协同过滤推荐算法,根据基于内容的推荐计算出用户对未评分项目的评分,在此基础上采用一种基于项目的协同过滤推荐算法计算项目的相似性,随后作出预测.实验结果表明,该算法可以有效解决用户评分数据极端稀疏的情况,同时运用基于项目的相似性度量方法改善了推荐的精确性,显著提高推荐系统的推荐质量.10.期刊论文张光卫.康建初.李鹤松.刘常昱.李德毅.ZHANGGuang-wei.KANGJian-chu.LIHe-song.LIUChang-yu.LIDe-yi面向场景的协同过滤推荐算法-系统仿真学报2006,18(z2)推荐系统是电子商务系统中最重要的技术之一.用户相似性度量方法是影响推荐算法准确率高低的关键因素,针对传统相似性度量方法存在的不足,利用云模型在定性知识表示以及定性、定量知识转换时的桥梁作用,提出一种在知识层面比较用户相似度的方法,克服了传统基于向量的相似度比较方法严格匹配对象属性的不足.进而以该方法为核心,提出一种面向场景的协同过滤推荐算法,该算法能够充分利用项目的分类信息,避免了传统算法把用户的整体打分作为单个向量的弊端.实验结果表明,算法可以在用户评分数据极端稀疏的情况下,仍能取得较高的推荐质量.本文链接：：上海海事大学(wflshyxy)，授权号：1f62d001-79f5-4c70-b98b-9e06014756db下载时间：2010年10月5日