基于協(xié)同過濾的信息商品個(gè)性化捆綁推薦研究.pdf

1、隨著Internet的普及和電子商務(wù)的發(fā)展，網(wǎng)上交易這種新興的商務(wù)活動(dòng)方式被越來越多的企業(yè)和用戶所接受。電子商務(wù)網(wǎng)站在為用戶提供豐富商品的同時(shí)，用戶往往會(huì)迷失在大量的商品信息之中，無法順利地找到自己所需要的商品，從而浪費(fèi)了大量的時(shí)間和精力形成所謂的信息過載問題；另一方面，企業(yè)在想方設(shè)法吸引用戶光顧網(wǎng)站的同時(shí)又要保證網(wǎng)站推銷商品的收益。數(shù)據(jù)挖掘中的個(gè)性化推薦技術(shù)能夠?yàn)殡娮由虅?wù)網(wǎng)站提供適合捆綁推薦的個(gè)性化商品，將數(shù)據(jù)挖掘技術(shù)和商品捆綁策略相

2、結(jié)合是解決上述問題的有效途徑。 本文對(duì)營銷策略商品捆綁進(jìn)行了分析，闡述了商品捆綁所具備的優(yōu)勢、影響的因素及信息商品的特性，指出信息商品由于其極低的邊際成本、低交易成本和存在相對(duì)高的支付意愿，使之比傳統(tǒng)的物理商品捆綁更具優(yōu)勢，分析了商品捆綁對(duì)企業(yè)和用戶所具有不同的效應(yīng)。 在實(shí)際的推薦系統(tǒng)中，在線推薦的時(shí)間復(fù)雜度是衡量推薦算法的主要指標(biāo)。針對(duì)傳統(tǒng)協(xié)同過濾算法的性能問題，本文分析了基于用戶聚類的協(xié)同過濾算法的在線推薦時(shí)間復(fù)雜度

3、，它并不像傳統(tǒng)的協(xié)同過濾算法那樣計(jì)算目標(biāo)用戶與基本用戶之間的相似度，而是計(jì)算目標(biāo)用戶與基本用戶聚類中心之間的相似性，能夠產(chǎn)生更快的推薦速度。 本文還就傳統(tǒng)個(gè)性化推薦系統(tǒng)只從用戶角度來推薦商品問題，提出了在個(gè)性化推薦系統(tǒng)中融入利潤因素，這樣產(chǎn)生的推薦不僅能夠滿足用戶的需求而且也能增加企業(yè)的收益。實(shí)驗(yàn)同時(shí)表明，融入利潤因素的個(gè)性化推薦系統(tǒng)在推薦的準(zhǔn)確度上不比傳統(tǒng)的個(gè)性化推薦差，而且企業(yè)所獲得的利潤遠(yuǎn)高于傳統(tǒng)的個(gè)性化推薦系統(tǒng)，本文最后