基于協(xié)同過濾及關(guān)聯(lián)規(guī)則的混合推薦算法研究.pdf

1、隨著Internet的快速發(fā)展，互聯(lián)網(wǎng)的廣泛應(yīng)用與普及，我們進入了高速信息和電子商務(wù)的時代?；ヂ?lián)網(wǎng)的數(shù)據(jù)量逐漸膨脹，以互聯(lián)網(wǎng)為基礎(chǔ)的電子商務(wù)企業(yè)的規(guī)模也在不斷擴增，商品的種類和數(shù)量都處于高速增長時期，無論是對電子商務(wù)企業(yè)還是個人都產(chǎn)生了重大的影響。
　　在互聯(lián)網(wǎng)經(jīng)濟體系中，顧客很難在短暫的時間內(nèi)迅速檢索到自己所需要的信息、服務(wù)或物品。這種充斥在互聯(lián)網(wǎng)中的與自己需求無關(guān)的大量信息會使用戶迷失（資源迷向），使顧客花費大量的時間進行檢索

2、排查，最終導(dǎo)致客戶群的流失。因此，智能化的個性化推薦算法是非常必要的。它被提出來幫助互聯(lián)網(wǎng)企業(yè)解決信息過載以及客戶流失的問題。個性化的推薦系統(tǒng)是在對海量數(shù)據(jù)進行挖掘的基礎(chǔ)上建立的一種高級商務(wù)智能平臺，以此幫助電商為其顧客購物提供完全個性化的決策支持和推薦服務(wù)，將顧客潛在的興趣挖掘出來，并轉(zhuǎn)變?yōu)殇N售量的增長與盈利。不過，個性化的推薦系統(tǒng)也衍生了較多的問題，如推薦結(jié)果的覆蓋率過于狹窄，實時性不高，準確性低等。為了解決上述問題，本文對基于用戶

3、的協(xié)同過濾和基于強關(guān)聯(lián)規(guī)則的混合推薦算法進行了重點研究，并通過實驗驗證了采用本文提出的推薦算法的推薦結(jié)果的可靠性與準確性。
　　合理的推薦算法在推薦系統(tǒng)的應(yīng)用的中處于核心地位，它同推薦系統(tǒng)輸出結(jié)果的好壞密切相關(guān)。本文針對推薦算法提出了一種基于用戶的協(xié)同過濾算法的GRNN神經(jīng)網(wǎng)絡(luò)優(yōu)化技術(shù)，它不但可以解決協(xié)同過濾算法引起的一系列問題，例如數(shù)據(jù)稀疏性問題等，還可以提升推薦系統(tǒng)的工作效率，優(yōu)化推薦輸出結(jié)果的質(zhì)量，提升用戶滿意度，使算法的應(yīng)

4、用范圍更加廣泛。基于強關(guān)聯(lián)規(guī)則的推薦算法中支持度與置信度的閾值選擇十分重要，因此通過改進遺傳算法優(yōu)化置信度與支持度的閾值，以此來優(yōu)化推薦結(jié)果的質(zhì)量。
　　最后，本文結(jié)合基于用戶的協(xié)同過濾算法及基于強關(guān)聯(lián)規(guī)則的推薦算法的優(yōu)點，并且為了彌補各自的不足，提出采用基于兩種基本算法改進后的混合個性化推薦算法。最后，將實際天貓用戶的數(shù)據(jù)集作為本算法仿真的數(shù)據(jù)來源，設(shè)計三個實驗，以此來比較基于用戶的協(xié)同過濾算法，基于強關(guān)聯(lián)規(guī)則的推薦算法及混合推