组合模式在电子商务推荐系统中的应用

重庆大学硕士学位论文组合模式在电子商务推荐系统中的应用姓名：段娟娟申请学位级别：硕士专业：计算机技术指导教师：朱征宇;刘龙20051001重庆大学硕士学位论文中文摘要I摘要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。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，电子商务推荐系统仍面临着一系列的挑战。针对电子商务推荐系统面临的主要挑战，本文对电子商务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探讨，对基于组合推荐模式的电子商务推荐系统进行了有益的探索和研究。论文的主要工作如下：一、论文对现有推荐系统进行了分析研究，分析比较了各种类型推荐系统的优势和不足，以及现有的典型推荐系统实例的特征。二、提出了基于组合推荐模式的电子商务推荐系统，其核心思想是采用多种模式的推荐算法来完成推荐。其优势在于：有效的弥补了各个算法彼此间的不足，同时充分发挥了各自的优势。三、论文对推荐系统中用户兴趣描述的获取及建立进行了研究，提出了采用用户显式兴趣描述及隐式兴趣共同表示用户兴趣，并对它们的获取及表示方式进行了分析。四、论文对传统的物品相似度算法和用户相似度算法分别进行了详细研究，提出了新的计算策略和改进算法，优化了传统相似度推荐算法。五、论文还以带有推荐功能的数码时尚实验型网站为实例，将论文中所提出的组合模式应用到该电子商务推荐系统中，并得出客观有效的测试结果，令人鼓舞。关键词：推荐系统，协同过滤，电子商务，组合推荐模式重庆大学硕士学位论文英文摘要IIABSTRACTWiththepopularizationofInternetandthedevelopmentofE-Commercetechniques,theE-Commercesystemscanserveconsumersinmanyways.Butatthesametime,itsstructurehasbeenbecomingmoreandmorecomplex.Itisgettinghardnowforconsumerstofindtheproductswhattheyreallywant.Theyoftenlasttheirwayswhensearchingforproducts,takealongtimeandfindnothingattheend.Byinteractingwithconsumersandsimulatingthebehaviorofasalesmantosuggestproductsforconsumers,arecommendationsystemofE-Commercecouldhelptheconsumersmoreeasiertofindtheproductstheyreallywandtopurchase.Intoday’swarmmarketingcompetition,therecommendationsystemsofE-Commercecouldincreasethemarketingquotientofanetworkshopbyattractingandretainingconsumerswithitseasywaysinfindingandpurchasinggoods.AlthoughtherecommendationsystemsofE-Commercehavebeendevelopedverysuccessfulinbothresearchandpracticeandthescaleofthemhavebeenextended,challengingproblemsinresearchstillremaintoday.Aimatthemainchallengeofproductrecommendation,thepaperhasexploredandresearchedsomekeytechnologiesonthedesignabouttherecommendationalgorithmandthestructureofarecommendationsystemofE–Commerce.IthascarriedonabeneficialexplorationonresearchofarecommendationsystemofE-Commercebasedonthecombinationrecommendationpattern.itsmainresearchworkscanbeconcludedasbellow:(1)Thepaperhasinvestigatedvariousmainstreamrecommendersystemsandanalyzedtheirstrengthsandweaknesses.(2)ThepaperhasproposedanewmodelfortheRecommendationSystemofE-commercebasedonthecombinedrecommendationmodel.Itsmainideaisthatitusesmulti-modelsrecommendationalgorithmstoprovideagoodrecommendationofproductsforcustomers.Withthisarchitecture,weaknessescouldbeovercomeandadvantagescouldbedeveloped.(3)Aresearchonhowtocaptureandthenbuildauserprofilehasbeendoneinthepaper.Anewmethodtobuildauserprofilebasedonboththeuser’sexplicitinterestsandimplicitinterestshasbeenpresentedbyanalyzingtheirgainandexpressionways.(4)Thepaperhasalsoresearchedthetraditionalitem-similaralgorithmandtheuser-similaralgorithm.Newcomputationstrategieshavebeenproposedandthe重庆大学硕士学位论文英文摘要IIItraditionalsimilarrecommendationalgorithmshavebeenoptimized.(5)Asanexperimentalsystem,thenewcombinationModelsmethodforrecommendationsystemofE-commercepresentedinthepaperhasbeenappliedinaDigital-FashionrecommendationWebsite.Theexperimentalresulthasbeengained.Theresultisbetterandinspired.Keywords:recommendationsystem,collaborativefiltering,E-Commerce,combinationrecommendations重庆大学硕士学位论文1绪论11绪论1.1电子商务推荐系统的主要研究内容及研究现状随着互联网的普及和电子商务的发展，推荐系统逐渐成为电子商务IT技术的一个重要研究内容，得到了越来越多研究者的关注。ACM从1999年开始每年召开一次电子商务的研讨会，其中关于电子商务推荐系统的研究文章占据了很大比重。从1999年开始此协会的数据挖掘特别兴趣组SIGKDD小组设立WEBKDD讨论组，主题集中在电子商务中的WEB挖掘技术和推荐系统技术，而ACM下面的信息检索特别兴趣组SIGIR在召开的第24届研究和发展会议上，开始专门把推荐系统作为一个讨论主题。第7届国际人工智能联合会议IJCAI’01则把E-Business&theIntelligentWeb作为一个独立的研讨小组。99年召开的人机界面会议CHI’99专门设立推荐系统特别兴趣组。同时，第十五届人工智能会议AAAI-98、第一届知识管理应用会议PAKM、96年协同工作会议CSCW’96等也纷纷开始将电子商务推荐系统作为研究主题。1.1.1电子商务推荐系统的主要研究内容电子商务推荐系统的研究内容和研究方向主要包括[1][2]：1)推荐技术研究：目前主要的推荐技术主要包括基于内容的协同过滤和协同过滤推荐两种。基于内容的过滤自身的局限性[3][4][5]，协同过滤推荐技术是当前研究的主流。2)实时性研究：在大型的电子商务推荐系统中，推荐系统的伸缩能力和实时性要求越来越难以保证。如何有效满足系统实时性要求得到了越来越多研究者的关注。3)推荐质量研究：在大型电子商务系统中，用户评分数据极端稀疏。用户评分数据的极端稀疏性使得推荐系统无法产生有效的推荐，推荐系统的推荐质量难以保证。4)多种数据多种技术的集成：当前大部分的电子商务推荐系统都只利用了一部分可用信息来产生推荐。随着研究的深入，新型电子商务推荐系统应该利用尽可能多的信息，收集多种类型的数据，有效集成多种推荐技术，从而提供更加有效的推荐服务。5)数据挖掘技术在推荐系统中的应用：随着研究的深入，各种数据挖掘技术（主要包括关联规则挖掘、序列模式挖掘、聚类分析、Bayesian分类等）在推荐系统中得到了广泛的应用。基于Web挖掘的推荐系统得到了越来越多研究者的关注。6)用户隐私保护研究：由于推荐系统需要分析用户购买习惯和兴趣爱好，涉重庆大学硕士学位论文1绪论2及到用户隐私问题，如何在提供推荐服务的同时有效保护用户隐私值得作进一步深入的研究。7)推荐系统可视化研究：推荐系统的目的是为用户提供服务，因此必须为用户提供友好的可视化服务界面。主要包括推荐结果可视化研究和推荐结果解释研究等方面的内容。1.1.2推荐系统研究现状一、研究现状简介推荐系统中的推荐技术主要包括基于内容的过滤和协同过滤两种。基于内容的过滤是信息检索领域的重要研究内容[16][17][18][19]。基于内容过滤的推荐系统需要分析资源内容信息[20][21]，根据用户兴趣建立用户档案（Profile），然后根据资源内容与用户档案之间的相似性向用户提供推荐服务[22]。文[23]提出使用智能代理技术分析用户的特定需求，提供推荐服务。Salton等人提出根据用户反馈自动更新用户档案[24]。Bayesian概率模型[16]、遗传算法[25]以及其它机器学习技术也被广泛应用于用户档案的建立和更新。基于内容过滤的实验型推荐系统主要包括Malone等人提出的电子邮件信息过滤系统[26]。Stanford大学提出的信息过滤工具SIFT[27]、音乐过滤系统LyricTime[28]、SIFTER原形系统[29]等。基于内容过滤的推荐技术具有一定的局限性[3][4][5]。主要表现在必须分析资源的内容信息，因此对音乐、图像、视频等信息无能为力；无法分析信息的质量；无法提供新颖的推荐。针对上述问题，研究者提出了协同过滤推荐技术[3][15][7][8]。在早期的协同过滤推荐系统中，用户之间需要相互了解对方的兴趣爱好[3][6]。随着研究的深入，研究者提出了自动化系统过滤推荐技术[7][8][4][14][30]。推荐系统的推荐质量是推荐系统成功的关键。经典协同过滤推荐技术根据同用户之间的相似性产生推荐结果[12][31]。Karypis等人[32][33]提出根据项之间的相似性提供推荐服务