电子商务个性化推荐系统中协同过滤技术的研究和应用

论文总字数：20232字

目 录

第1章 绪论 1

1.1 研究背景和意义 1

1.2国内外研究现状 2

1.2.1电子商务个性化推荐系统国内外研究现状 2

1.2.2协同过滤算法国内外研究现状 3

1.3研究内容和论文结构 3

第2章 电子商务个性化推荐系统 5

2.1电子商务个性化推荐系统概述 5

2.2电子商务个性化推荐系统结构 5

2.2.1数据收集模块 6

2.2.2电子商务个性化推荐系统主要的研究内容 6

2.3电子商务个性化推荐技术 7

2.3.1 基于规则的推荐 7

2.3.2基于内容过滤的推荐算法 8

2.3.3协同过滤技术 8

2.3.4几种推荐算法的优缺点 9

2.3.5混合推荐技术 10

第3章传统协同过滤算法研究和分析 12

3.1传统协同过滤算法概述 12

3.2传统协同过滤算法中存在的问题 14

3.2.1数据稀疏性问题 14

3.2.2冷启动问题 15

3.2.3可扩展性问题 15

3．3问题的解决方法 15

3.3.1稀疏性问题 15

3.3.2冷启动问题 16

3.3.3可扩展性问题 16

第4章电子商务个性化推荐系统简单案例的设计和实践 18

4.1问题背景 18

4.2数据结构和实验过程设计 18

4.2.1实验数据以及返回值 18

4.2.2：数据结构设计 18

4.2.3算法流程设计 19

4.3实际运行 19

4.4结果 19

第5章总结与展望 21

5．1总结 21

5．2展望 21

参考文献 22

致谢 23

电子商务个性化推荐系统中协同过滤算法的应用和研究

王健

，China

Abstract:In the process of the rapid development and continuous improvement of network communication technology, the new way of trade is born and gradually matured. Electronic commerce is gradually integrated into people's daily life in the rapid development. In the face of the complex product information in the network, it is difficult for users to choose the goods they need. The emergence of e-commerce personalized recommendation system is a good solution to this problem. This paper mainly studies the traditional collaborative filtering algorithm in the personalized recommendation system. Based on the analysis of the principle of collaborative filtering, it puts forward some solutions to the problems of cold start, data sparsity and scalability in the collaborative filtering algorithm. An improved algorithm for personalized recommendation system in e-commerce.

Keywords: e-commerce personalized recommendation collaborative filtering

1. 绪论
   1. 研究背景和意义

在网络科技的发展进程中，越来越多的组织机构建立并逐渐完善自身的网络服务站点，以网络通信技术为基础揭开了信息化时代的序幕；同时，越来越多的用户利用网络进行学习、消费、休闲、查询资料资源等；网络作为一个便捷的现代化工具，人们可以从中获取各式各样的信息，网络技术和应用已经成为了日常生活中不可或缺的一部分。但是，网络资讯也随之呈爆炸式地增长，新闻、教育、文娱、科技、财经等各方面信息的发布速度也在飞跃式地上升，对于用户来说，如何在这纷杂的信息当中选取到自己需要的有用信息是最直接考虑的；同时对于机构来说，如何制定自身的发展战略使站点更好地服务于用户从而获得最大的利益是极其重要和必要的。

对于电子商务来说，它以一种新颖的经营销售手段从根本上改变了传统的贸易方式，通过网络站点为用户提供完整的商品信息，为用户提供服务。在社会的进步当中，用户对电子商务服务的需求也会不断地提高，这就促使电子商务站点需要不断地完善自身的功能为用户提供更加全面的服务，从而提升站点的竞争力。

网络中存储着各式各样的信息，给用户提供了充足的判断信息，但是因此也从根本上提高了商品的搜索成本。一方面，针对于网络中林林总总的信息，用户需要消耗较多的时间和精力去查询符合自身需求的信息，把大部分时间和精力浪费在搜索、查询和判断是否是有用信息上，效率极其低下。另一方面，电子商务站点不能像实体店一样可以面对面的交流，在相同的时间内提供的有效信息远远少于线下的一些营销方式或者信息传播方式。因此研究学者以及企业核心开发人员研发并不断改良个性化推荐系统。电子商务个性化推荐系统基于用户的喜好为用户提供推荐服务，为用户提供可能感兴趣的商品推荐以及符合用户要求的商品信息。因此，个性化推荐系统在整体方面能够充分响应用户和商户的要求，但是在很多比较细致的方面还没有完全优化。

目前，针对信息过载问题有两种解决思路：一种是信息检索（Information Retrieval），还有一种是信息过滤（Information Collaboration），从而，电子商务网站在此基础上开发出两种功能模块为用户过滤掉无用的信息：搜索（Search）和推荐（Recommend）。对于目标相对明确的用户而言，可以通过输入关键字进行检索来查找有效信息；而一些用户在浏览电子商务网站的时候没有明确的目标，他们希望能够自动获得一些可能感兴趣的信息，为了加快信息的获取效率，推荐有着极其重要的作用。

剩余内容已隐藏，请支付后下载全文，论文总字数：20232字