商務(wù)推薦系統(tǒng)的設(shè)計(jì)研究.pdf

1、隨著互聯(lián)網(wǎng)時(shí)代的到來(lái)，信息過(guò)載問(wèn)題日益突出。在這樣的背景下，20世紀(jì)90年代初，研究者們開(kāi)發(fā)了最早的推薦系統(tǒng)，從紛繁蕪雜的信息中選擇用戶所感興趣的信息，推薦給用戶，以幫助解決信息過(guò)載問(wèn)題。在很短時(shí)間內(nèi)，推薦系統(tǒng)從單純的信息過(guò)濾領(lǐng)域，擴(kuò)展到了多個(gè)應(yīng)用領(lǐng)域，包括對(duì)音樂(lè)、電影、書籍等各種項(xiàng)目的推薦。10年后的現(xiàn)在，或簡(jiǎn)單或復(fù)雜的各種推薦系統(tǒng)，已經(jīng)成為一個(gè)信息網(wǎng)站或電子商務(wù)系統(tǒng)，所必不可少的組件之一?，F(xiàn)在的推薦系統(tǒng)，其功能已經(jīng)從簡(jiǎn)單幫助用戶進(jìn)行

2、項(xiàng)目甄別，拓展成為商務(wù)領(lǐng)域促進(jìn)銷售，提升品牌形象的重要手段。對(duì)于推薦系統(tǒng)的研究，也成為了理論界關(guān)注的熱點(diǎn)，研究者們提出了協(xié)同過(guò)濾算法、基于內(nèi)容的推薦算法、混合算法等不同的算法來(lái)提供更好的推薦，并不斷吸收數(shù)據(jù)挖掘領(lǐng)域、機(jī)器學(xué)習(xí)領(lǐng)域的新方法，將其應(yīng)用到對(duì)推薦算法的改進(jìn)上來(lái)。一些領(lǐng)域內(nèi)領(lǐng)先的研究小組，開(kāi)發(fā)了各種實(shí)驗(yàn)性系統(tǒng)，如MovieLens等，作為其改進(jìn)推薦算法的平臺(tái)。 當(dāng)前對(duì)于推薦系統(tǒng)的研究，基本上都專注于對(duì)推薦算法的改進(jìn)，很少有

3、研究者從信息系統(tǒng)的角度，討論推薦系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)的方法與原則，這與推薦系統(tǒng)實(shí)用性很強(qiáng)的應(yīng)用背景不符。此外不同研究者對(duì)于推薦系統(tǒng)的研究中，往往針對(duì)不同的應(yīng)用場(chǎng)景，提出不同的評(píng)判標(biāo)準(zhǔn)，算法與算法之間很難相互比較。 針對(duì)上述情況，本文首先將研究主體界定為向用戶推薦產(chǎn)品，以促進(jìn)產(chǎn)品銷售為目的的商務(wù)推薦系統(tǒng)。選擇商務(wù)推薦系統(tǒng)的設(shè)計(jì)作為研究對(duì)象，期望能夠提出一些商務(wù)推薦系統(tǒng)設(shè)計(jì)中的通用方法和原則，為實(shí)際系統(tǒng)的開(kāi)發(fā)提供理論指導(dǎo)。 本文從

4、最本質(zhì)的推薦問(wèn)題定義開(kāi)始全文的討論，完成了以下工作。 1)提供了更清晰的推薦問(wèn)題定義，基于度量理論和效用理論，分析了現(xiàn)在主流推薦算法求解推薦問(wèn)題存在的偏差。提出了利用區(qū)別推薦系統(tǒng)和推薦算法功能，來(lái)求解推薦問(wèn)題的新思路。這種新方法，帶來(lái)的明顯優(yōu)勢(shì)之一是可以廓清傳統(tǒng)研究中對(duì)于推薦效果評(píng)判準(zhǔn)則的混亂，可以統(tǒng)一采用機(jī)器學(xué)習(xí)理論中的兩種客觀評(píng)判標(biāo)準(zhǔn)：預(yù)測(cè)精確度與分類精確度來(lái)評(píng)判推薦算法的結(jié)果，在不同的推薦算法之間能夠互相對(duì)比(這是本文第2

5、章的工作)。 2)討論了對(duì)推薦算法和推薦系統(tǒng)的不同評(píng)判標(biāo)準(zhǔn)，同時(shí)提出，使用用戶滿意度指標(biāo)來(lái)評(píng)判推薦效果，對(duì)于推薦系統(tǒng)設(shè)計(jì)并不是必須的，我們提出一種“交流式改進(jìn)”的方法指導(dǎo)系統(tǒng)對(duì)推薦效果的改進(jìn)(這是本文第3章的工作)。 3)基于以上兩種通用方法的指導(dǎo)，按照商務(wù)推薦系統(tǒng)所應(yīng)實(shí)現(xiàn)的兩個(gè)目標(biāo)(促進(jìn)銷售，和提升系統(tǒng)的品牌價(jià)值)，設(shè)計(jì)了一個(gè)智能商務(wù)推薦系統(tǒng)框架(這是本文第4章的工作)。 4)按照Whiffen的信息系統(tǒng)架構(gòu)，

6、進(jìn)一步從數(shù)據(jù)角度、接口角度、流程角度、系統(tǒng)算法角度等各個(gè)信息系統(tǒng)構(gòu)件層面，討論了商務(wù)推薦系統(tǒng)設(shè)計(jì)中的一些基本原則和方法(這是本文第5章的工作)。 5)從多種推薦算法融合和推薦算法改進(jìn)兩個(gè)方面深入討論了系統(tǒng)應(yīng)用構(gòu)件中推薦算法的設(shè)計(jì)。其中對(duì)推薦算法的改進(jìn)上，我們引入支持向量機(jī)和貝葉斯網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)基于內(nèi)容的推薦算法，實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的協(xié)同過(guò)濾算法相比，兩種方法能夠高效的給出優(yōu)于或近似于傳統(tǒng)協(xié)同過(guò)濾算法相近的預(yù)測(cè)精度。顯示了以上兩種工