基于用戶動態(tài)偏好的電子商務(wù)個性化推薦系統(tǒng)研究.pdf

1、隨著電子商務(wù)的快速發(fā)展，人們越來越習(xí)慣于使用電子商務(wù)網(wǎng)站來購買商品。然而，電子商務(wù)網(wǎng)站上信息過載問題的加劇，使購買者面對海量商品很難快捷地做出決策，雖然目前已存在較多的推薦系統(tǒng)可以幫助用戶篩選出他們需要的一些商品，但是，隨著時間的推移，如何準(zhǔn)確把握用戶偏好的動態(tài)變化進(jìn)一步提高電子商務(wù)個性化推薦的準(zhǔn)確性，仍然是一個值得深入研究的問題。本文的主要研究工作有以下幾點：
　　（1）基于用戶偏好隨時間的變化表現(xiàn)的規(guī)律對用戶的動態(tài)偏好進(jìn)行建模

2、，將用戶的動態(tài)偏好一分為二地進(jìn)行研究，分別建立了基于層次向量空間的長期偏好模型、結(jié)合時間因素的短期偏好模型。在建立長期偏好模型時，根據(jù)用戶長期偏好具有穩(wěn)定性地特征，對用戶的歷史購物記錄進(jìn)行統(tǒng)計篩選，以用戶經(jīng)常購買的商品類別為分類主題計算每個類別的所占的權(quán)重值，并定義了興趣度的新的計算方法；在建立用戶短期偏好時，利用時間序列模型分析用戶的購物周期，根據(jù)用戶的購物周期將研究的一段時間進(jìn)行時間切片，引入用戶動態(tài)偏好變化率表示用戶的短期偏好與時

3、間之間的關(guān)系。通過收集的數(shù)據(jù)集進(jìn)行實驗驗證，結(jié)果表明本文建立的模型在表示用戶動態(tài)偏好時具有可行性。
　?。?）根據(jù)用戶短期偏好與長期偏好的特點分別制定了不同的推薦策略。針對長期偏好推薦時，采用了基于用戶興趣度的推薦和基于用戶聚類的協(xié)同過濾推薦相結(jié)合方式生成推薦結(jié)果；針對短期偏好進(jìn)行推薦時，在傳統(tǒng)推薦模型中增加時間維度，引入張量分解技術(shù)對用戶-商品-時間組成的三維向量進(jìn)行分解，運用隨機梯度下降法對模型進(jìn)行最優(yōu)求解，從而生成對應(yīng)當(dāng)前時

4、間切片的推薦項。運用以上兩種推薦方式組成的混合式推薦方法為用戶生成個性化推薦結(jié)果。運用收集的數(shù)據(jù)進(jìn)行了對比實驗，結(jié)果證明了本文混合式推薦算法優(yōu)于傳統(tǒng)的協(xié)同過濾推薦算法，在推薦的準(zhǔn)確度及推薦多樣性都具有良好效果。
　　（3）在用戶動態(tài)偏好建模及混合式推薦算法的研究基礎(chǔ)上，設(shè)計了一個應(yīng)用于日常零售場景的電子商務(wù)個性化推薦系統(tǒng)原型，給出了系統(tǒng)的架構(gòu)設(shè)計及系統(tǒng)的推薦功能實現(xiàn)，根據(jù)從該電子商務(wù)網(wǎng)站收集的數(shù)據(jù)建立推薦系統(tǒng)的數(shù)據(jù)庫，為已注冊的用