电子商务个性化信息推荐服务的研究

目前,个性化信息服务已经被公认为解决Internet“信息过载”的方法,本文将基于网络的个性化信息服务思想具体应用到产品推荐个性化服务体系中,实现信息的个性化推荐服务和服务方式的个性化。 本文所提出的个性化推荐模型是面向客户购买频度比较高的商品,包括各种快速消费品,如书籍、电影、化妆品、服装等。对于这一类产品,在信息的个性化推荐方面,推荐系统的核心是学习用户个人的兴趣及对用户兴趣变化的适应能力。本文中提出一个性化商品推荐服务模型PRMPR,通过分析用户的个人信息、浏览对象、时间等来推断该用户的兴趣所在,满足用户的个性化需求。系统采用用户个性化特征库来记录用户个性化兴趣特征信息,尊重用户中存在的差异,动态学习和跟踪用户的个性化兴趣;采用基于项目和基于用户的组合协同过滤技术,有利于用户新的兴趣的奇异发现,同时本文中的用户兴趣特征提取方式在一定程度上改善了该算法所面临的数据稀疏问题,实现与用户兴趣相关度较高的、较准确的个性化信息推荐服务。本文采用面向对象的方法对电影个性化推荐系统进行了分析设计与实现。 在个性化信息推荐服务的服务方式方面,本文引入了RSS技术,实现了一个简易的RSS阅读器,实现用户无须访问网站而直接通过应用程序的接口获取所需的信息概要,为用户的信息检索提供了便利。 本文以解决Web海量商品信息与用户个性化需求之间的矛盾为目的,提出了一种产品信息的个性化服务的实现方法,加快网络产品信息资源服务的个性化、智能化的发展。对国内电子商务个性化信息服务有一定的推动意义。