协同过滤在电子商务推荐系统中的应用研究

近年来,电子商务个性化推荐系统在网络上获得了普遍应用,其中应用最为广泛的个性化推荐技术是协同过滤技术。而随着网上有效信息的数量和商品的种类的急速增长,也对推荐系统提出了严峻挑战,协同过滤推荐中存在的新项目推荐问题、稀疏性问题等亟待解决。 针对这些问题,本文综述了电子商务个性化推荐系统和常用的一些推荐方法,分析了协同过滤推荐中新项目难以推荐和稀疏性问题的根源,提出了一种对项目矩阵进行层次划分的方法。其基本思想是,首先利用分类树算法划分项目矩阵并计算项目间的相似度,在此基础上缩小近邻搜索的范围和需要预测的资源数目。通过用户对已有项目的评分顺序和项目间的相似性,预测用户对新项目的评分。试验结果表明基于项目矩阵划分的协同过滤算法,有效地解决了新项目推荐困难的问题,显示出了比传统推荐算法更好的推荐质量和扩展性。 在此基础上,本文设计并开发了协同过滤商品推荐系统,通过买家访问日志,利用上述分析方法,可有效推荐给买家相似群组的偏好商品。此外,为了增进推荐内容资讯鲜度,本研究利用上述算法,有效地解决了新项目难以推荐的问题。 最后,通过对数码消费产品业的模拟销售,推荐系统可以有效地提升电子市场的绩效,使商品的推荐行为更加有效,更有利于商品的销售。