基于社交電商的UGC智能推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、用戶產(chǎn)生內(nèi)容（User Generated Content，簡稱:UGC）是社交電商時(shí)期的主要信息模式。UGC呈現(xiàn)碎片化、海量、無序的特點(diǎn)，如何借助這些來自于社交電商的UGC數(shù)據(jù)來找到用戶感興趣的商品已經(jīng)逐漸成為一個(gè)急需解決的問題。目前已有的推薦系統(tǒng)大多基于指定的電商平臺(tái)，而基于來自社交電商平臺(tái)的UGC數(shù)據(jù)的推薦系統(tǒng)，所依據(jù)的數(shù)據(jù)雜亂，數(shù)據(jù)的主觀性強(qiáng)，如果用目前已有的推薦算法來進(jìn)行推薦的話，明顯已經(jīng)不適用了。為此本文提出了一種基于社交電

2、商UGC數(shù)據(jù)的智能推薦算法。為了提高推薦系統(tǒng)的精確度，本研究在利用潛在因子算法的原始用戶的初始推薦的基礎(chǔ)上，提出了一種新的基于多目標(biāo)模糊識(shí)別的用戶分組算法，并基于用戶隸屬度對(duì)傳統(tǒng)的協(xié)同過濾算法進(jìn)行了改進(jìn)，使得系統(tǒng)對(duì)用戶的推薦依賴于相似人群的興趣愛好并且新用戶的興趣愛好也對(duì)老用戶產(chǎn)生影響。
　　和傳統(tǒng)電商平臺(tái)相比，UGC電商平臺(tái)因?yàn)榇蟛糠钟脩糁辉u(píng)分過全部商品中很少一部分，數(shù)據(jù)碎片化現(xiàn)象嚴(yán)重，其數(shù)學(xué)抽象是一個(gè)稀疏矩陣。傳統(tǒng)的Slope

3、 One算法直接應(yīng)用于UGC推薦系統(tǒng)顯然不適合。本研究結(jié)合UGC平臺(tái)特點(diǎn)，針對(duì)有一定用戶和商品積累的UGC電商平臺(tái)，根據(jù)相似喜好的用戶群的特征能更好的推測(cè)用戶對(duì)陌生商品的喜好程度這一思想，著重解決基于用戶聚類的智能推薦。
　　通過算法研究和系統(tǒng)功能分析，本文對(duì)基于社交電商的UGC智能推薦系統(tǒng)進(jìn)行了系統(tǒng)架構(gòu)設(shè)計(jì)和功能分析，針對(duì)有一定用戶和商品積累的UGC電商平臺(tái)，研究并解決了新用戶進(jìn)入為系統(tǒng)帶來的兩個(gè)新的問題:一方而推測(cè)新用戶對(duì)系統(tǒng)