设为首页|加入收藏|网站地图|RSS
请选择搜索分类 新闻 留学 专题

B2C网站个性化商品推荐方法研究——以当当网图书评分数据为例

发布时间:2012-02-09 19:45 来源:工大在线字号:T|T

  随着Internet的日益普及和电子商务的快速发展, 电子商务网站( 主要指B2C 网站) 在为用户提供越来越多选择的同时, 其结构也变得日益复杂, 用户经常会迷失在海量的商品信息中,无法顺利找到自己需要的商品。在日趋激烈的竞争环境下,许多著名的电子商务网站都相继开发出自己的推荐系统,为顾客提供个性化的商品推荐 。电子商务推荐系统是在分析顾客的浏览、评分或交易数据基础上, 洞察顾客的购买偏好, 以便更有针对性地向顾客推荐商品, 帮助其高效地完成购买过程。推荐系统在实际应用中获得了极大的成功, 许多大型的电子商务网站, 如Amazon、当当网等都向顾客提供了商品推荐服务。但是当下的电子商务推荐系统并不成熟,推荐效率低、推荐质量差和自动化程度低等问题普遍存在。
  
  协同过滤技术被成功地应用于个性化推荐系统中,但随着系统规模扩大,用户和资源的数量急剧增长,系统的性能会越来越低。聚类是一种非常有效的数据挖掘和机器学习技术。它是将物理或抽象对象的集合分组成为由类似的对象组成的多类的过程。聚类技术可以将具有相似兴趣爱好的用户分配到相同聚类中,聚类产生以后,在所在类中搜索目标用户的最近邻居,缩小用户的搜索范围,这样可有效地提高系统的性能。
  
  本文研究主流的个性化推荐技术,重点对协同过滤技术进行探讨,通过分析用户商品的历史评分数据,利用相似度计算方法,并结合聚类算法,找出相似度最高的邻居,从而增加推荐的准确率,进一步减少预测误差,为目标用户提供优质的推荐。第一章,本文将详细叙述基于聚类的协同过滤算法的研究背景、意义和现状;第二章,介绍个性化推荐的相关理论; 第三章,本文将提出基于聚类的协同过滤算法,并提出其依据、原理及计算方法;第四章,本文将通过对当当网上收集的用户历史评分数据对算法的效率进行验证;第五章,将对运算结果进行分析讨论;第六章,总结与展望。

当当网图书

图库

更多

网友评论

排行

点击 评论 关注