基于領域本體的電子商務推薦技術研究.pdf

1、隨著Internet的不斷發(fā)展，電子商務系統(tǒng)給商家和客戶帶來了越來越多的信息，如何及時地在網(wǎng)上的海量信息中發(fā)現(xiàn)所需要的信息變得越來越困難。于是電子商務諸多的推薦系統(tǒng)應運而生，推薦技術成為一個研究的熱點，引起人們的廣泛關注。 近年來，電子商務推薦技術在理論和實踐中均得到了較快的發(fā)展，與此同時，電子商務推薦系統(tǒng)面臨著嚴峻挑戰(zhàn)。針對現(xiàn)有電子商務推薦系統(tǒng)存在的問題，本文在電子商務推薦系統(tǒng)中引入領域本體，對電子商務推薦系統(tǒng)中的推薦算法及推

2、薦模型等關鍵技術進行了深入的研究，以期通過引入領域本體和Web挖掘提高電子商務推薦的準確率和實時性。其主要工作與創(chuàng)新體現(xiàn)在： （1）在探討和分析比較各種本體構建方法基礎上，借鑒軟件工程學中的基于軟件生命周期模型的方法論，并利用現(xiàn)有的本體構建工具，提出了一種新的基于原型迭代的領域本體構建方法，并構建個性化推薦所需的領域本體。 （2）稀疏性問題是協(xié)同過濾推薦所面臨的最重要問題之一。針對用戶評分數(shù)據(jù)的稀疏性問題，本文提出一個基

3、于領域本體和用戶偏好變化的協(xié)同過濾推薦算法。利用領域本體中項目的類型及屬性計算項目之間的語義相似度，采用KNN（K最近鄰居）的思想根據(jù)用戶對項目的評分，預測用戶未評分項目的評分，填充用戶評分矩陣的缺失值，而后在填充后的用戶．項目評分矩陣基礎上進行推薦。利用用戶的特征因素對用戶進行聚類，縮小最近鄰居的選擇范圍。本算法還考慮到用戶偏好的變化，引入遺忘函數(shù)，根據(jù)評價時間調整評分權重。實驗結果表明：所提出的算法能夠有效地解決稀疏性問題，改善了推

4、薦的質量。 （3）傳統(tǒng)的Web使用挖掘在個性化推薦過程中沒有考慮相關領域的語義知識，不能利用對象的語義進行推薦，從而導致推薦的準確率比較低。針對上述問題，提出一種基于領域本體和Web使用挖掘的個性化推薦模型，將領域本體集成到Web挖掘和個性化推薦中。針對這一模型，本文提出一種基于語義聚類的個性化推薦算法，利用領域本體對Web數(shù)據(jù)進行預處理，并采用K-Means層次凝聚算法對交易事務進行聚類分析。而后利用各個聚類的質心點矢量來表征