面向O2O用戶行為分析的個性化推薦算法研究與應(yīng)用.pdf

1、近些年，隨著互聯(lián)網(wǎng)電子商務(wù)的發(fā)展，用戶在電商平臺上使用并產(chǎn)生的數(shù)據(jù)劇增，使用戶面臨嚴重的信息過載問題。個性化推薦系統(tǒng)是解決信息過載的有效方式之一。
　　采用協(xié)同過濾推薦算法和基于內(nèi)容的推薦算法來構(gòu)建個性化推薦系統(tǒng)，并將兩次推薦結(jié)果混合生成最終推薦結(jié)果。在基于用戶的協(xié)同過濾推薦算法中，對比不同相似度度量方法，并采用修正的余弦相似性公式來計算用戶之間的相似度。在基于內(nèi)容的推薦算法中，采用余弦相似定理計算興趣特征向量和項目特征向量之間的

2、相似度?；趦?nèi)容和協(xié)同過濾混合的推薦算法綜合考慮了用戶個人行為因素和鄰近用戶組因素，提高了推薦的有效性。其中，項目之間的相似度通過計算項目結(jié)構(gòu)化數(shù)據(jù)之間的相似度得到。
　　在研究面向O2O的用戶行為分析的基礎(chǔ)上，提出了面向O2O用戶行為分析的混合推薦算法。以基于內(nèi)容和協(xié)同過濾混合的推薦算法為基礎(chǔ)，設(shè)計了面向O2O用戶行為分析的混合推薦模塊架構(gòu)圖，并通過理論與實際的結(jié)合驗證了該混合推薦算法在基于 O2O的生活信息服務(wù)系統(tǒng)上應(yīng)用的有效