基于兩階段的電子商務(wù)個(gè)性化推薦.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，信息資源呈爆炸式增長(zhǎng)，人們逐漸進(jìn)入了“信息過載”的時(shí)代。個(gè)性化推薦作為能夠解決信息過載問題的重要工具，得到了空前的高速發(fā)展，且被廣泛的運(yùn)用到電子商務(wù)中。在電子商務(wù)網(wǎng)站中，個(gè)性化推薦扮演了實(shí)體商店中銷售人員的角色，根據(jù)用戶的需求為其提供服務(wù)，提高用戶體驗(yàn)度的同時(shí)，還能夠?yàn)樯碳覄?chuàng)造更多的經(jīng)濟(jì)收益。
　　本文深入分析了電子商務(wù)個(gè)性化推薦存在的三個(gè)問題，提出了兩階段電子商務(wù)推薦模型，將推薦過程分為評(píng)分預(yù)測(cè)和多樣性

2、推薦兩個(gè)階段。評(píng)分預(yù)測(cè)階段主要解決由于用戶數(shù)據(jù)稀疏所導(dǎo)致的推薦精確性不高的問題，最終產(chǎn)生一個(gè)初始推薦項(xiàng)目列表。多樣性推薦階段主要解決長(zhǎng)尾商品的挖掘能力低和精確性與多樣性不可兼得的問題，對(duì)初始推薦項(xiàng)目列表進(jìn)行過濾，產(chǎn)生最終的Top-N推薦列表。
　　在評(píng)分預(yù)測(cè)階段，針對(duì)Slope One評(píng)分預(yù)測(cè)算法的不足進(jìn)行改進(jìn)，提出了基于NI-Slope One的評(píng)分預(yù)測(cè)算法，該算法使用改進(jìn)后的方法計(jì)算相似度并尋找最近鄰居，根據(jù)預(yù)處理之后的鄰居項(xiàng)

3、目的評(píng)分對(duì)未評(píng)分項(xiàng)目預(yù)測(cè)。在多樣性推薦階段，分析了現(xiàn)有解決多樣性問題的不足，提出了基于項(xiàng)目評(píng)分重計(jì)算的Top-N推薦算法，該算法將項(xiàng)目流行度、用戶評(píng)分風(fēng)格考慮在內(nèi)，對(duì)初始推薦列表中的項(xiàng)目進(jìn)行評(píng)分重計(jì)算，根據(jù)調(diào)整后的類別權(quán)重和最終評(píng)分在初始推薦項(xiàng)目列表中過濾出更符合用戶個(gè)性化需求的項(xiàng)目推薦給用戶。
　　為了驗(yàn)證基于兩階段電子商務(wù)個(gè)性化推薦的有效性，本文通過實(shí)驗(yàn)進(jìn)行驗(yàn)證。實(shí)驗(yàn)表明，在精確度損失較小的情況下，該推薦方法產(chǎn)生的Top-N推