个性化推荐引擎技术及在电子商务中的应用_论文

科技? 探索? 争鸣  S c 科 i e n c e & 技 T e c h 视 n o l o g y 界   V i s i o   n   个性化推荐引擎技术及在电子商务中的应用   桑 志超  ( 河北工程大学 , 河北 邯郸 0 5 6 0 8 8 )   【 摘 要】 本文介绍 了个性化推荐 引擎的定义 , 对个性化推荐 引擎所依据 的算法原理进行 了详 细的 阐述 , 个性化推荐 引擎技 术实现 了用户   个性化 的需求。 提 高了用户浏览搜 索网页的效率。   【 关键词 】 电子商务 ; 推荐引擎 ; 数据挖掘 ; 个性化推荐  品推荐 。例如。 假设用户 A喜欢物 品 a 和物品 c , 用 户 B喜欢物 品 a ,   物品 b和物 品 c , 用 户 c喜欢物 品 a . 从这些用户 的历 史喜好可 以分  随着 电子商务 的不断发 展 . 其规模越来越 大 . 可以提供 的商 品种  析出物 品 a 和物品 C时比较类似的 . 喜欢物 品 a 的人都喜欢物 品 c ,   类和数量也不断大幅度地增加  如何使顾 客方便 、 快速的找到商品 , 顺  基 于这个数据可以推断用户 c很有可能也喜欢物品 c 。 所 以系统会将  利地完成 购物过程成为 电子商务企业 亟待解决 的问题 . 也是企业提高  物品 c 推荐给用户 c   其 自身竞 争力 的重要砝码  个性化推荐 技术为解决这一问题提供了有  该推 荐机制能够离线计算 . 不存在时效性 的问题 ; 尽管依 旧有数  力的支撑 。 目 前. 以搜索引擎为基础的推荐引擎技术 为提高购物效率  据稀疏 的问题 . 但是可 以计算 : 能够有效地发现具 有相 同兴趣 的用户  提供了强有力 的技术支持  的相似 i t e m  其不足之处在于多样性不如基于用户 的推荐机 制 , 对于  兴趣单一 的用户较为适用  1 关于推荐 引擎  2 _ 3 基 于人 口统计学的算法  1 . 1 推荐引擎 定义  该算法指根据用户的基本信息 . 从 中发现用户之 间的相 关度 . 然  推荐引擎 的 目的是解决信息过载问题 , 其本 质在 于通过对 用户历  后将相关用户喜欢的商品推荐给当前用户 。例 如, 通过用 户基本信息  史活动记录进行分析后 . 得出用户的兴趣特 点等信息 . 进而 主动为用  调查发现 . 用 户 A与用户 c都是女性 . 且属 于同一年龄段 , 则可 以认  户推荐其感兴趣 的商 品或信息  个性化是 推荐 引擎的精髓所在 . 通 过  为用户 A和用户 C相似 . 就可以把用户 A喜欢的商 品推荐 给用户 c 。   对群体数据进行 分析得 出用户 的个性化爱好 . 然后针 对其个 性化需 求  这种推荐方法 的优势 在于不存在冷启动 问题 .且适用于任何 商品领  等给出相应的推荐 从长远看来 . 推荐引擎技术具有 极为广阔的发展  域 : 其不足之处是对用户分 类方法过于粗糙 . 无 法深入发掘 出用户偏  0 引 言  空间。   好. 且对于有些用户敏感的信 息 难 以获取 。   1 . 2 推荐引擎 与搜索引擎的联系与区别  2 . 4 基于T 0 p i e   mo d e I 的 算 法  推荐引擎 与搜索引擎有着一定 的联系与 区别 。 二者都是基于网络  该算 法的思想是为每个 I t e m定义不 同的 t o p i c 标签 . 之后定 义每  平台的工具 , 旨在发现答案或兴趣点 : 算法考 虑的角度 比较类似 , 不过  个 t o p i c 之间的相似度 。用户选择 t o p i c 后, 基于其选择进行各个 t o p i c   算法思想存在很大 的差异 . 搜索引擎给 出的结 果强调内容关联 . 而 推  之间相似度 的计算 . 最后生成推荐 i t e m集合  荐引擎给出的结果则强调个性化 : 搜索 引擎是 帮助用 户找到最 为合适  在该推荐算法 中, t o p i c 作为联系 u s e r 与i t e m之 间的纽 带 , 借助较  的结果 . 而推荐引擎可 以帮助进行多样 化体验进 而满 足其多个 兴趣需  好的用户回馈机制 . 就能够使系统更好地演绎 。其不足之 处是 i t e m之  要: 海量数据 的处 理和计算是二者不可缺少 的一部分 ; 相 比于搜索 引  间相似度计算 比较麻烦且 t o p i c 定义 繁琐 。使用该算法作 为推荐算法  擎被动等待用户搜索请求 的情况 . 推荐 引擎是 主动为用户推送相关 的  的主要有 v o u t u b e 、 g o 0 g l e   n e w s , j i n n i 等网站。   服 务  2 . 5 基于关联规则 的推荐算法  关联规则算法是数据挖掘算法中的经典算 法之一 , 它主要是找 出   2 推荐引擎技术原理  数据的依赖关 系。通过进行关联规则分析 . 能够了解到什么样 的物品  2 . 1 基于内容相似度 的算法  被 同时购买的几率 比较大 . 或者 了解到用户在购买一些物品后通常还  该推荐算 法是 以从推荐物品或者推 荐内容的元数据 中找出物品  会购买哪些别 的物品   当挖掘出这样的具有关联规则的物品信息后 ,   与 内容的关联性然后根据用户 以往的兴趣 爱好为算 法的核心思想 . 这  就可以基于这些信息为用户推荐关联商品  是在推荐引擎出现之初是使用最为广泛的推荐方法 。例如 : 假设用户   2 . 6 混合推荐机制  A 、 用户 B 、 用户 c都喜 欢看影 视剧 , 用户 A喜欢 看 的电影 a 属 于爱  在现行 的多数 网站中 . 并不是使用 单一一种推荐模式 . 往往是集  情、 浪漫类 , 用户 B 、 c喜欢 的电影 b 属 于恐怖惊悚类 , 电影 c 与 电影 a   合各种推荐方法的优势 . 进而达到更好的

相关文档

  • 漫画改编网络游戏《中华英雄OL》评测_论文
  • bpsk仿真
  • IT名词术语 
  • C8051F91x/0x:8位MCU_论文
  • W-WCDMA无线网络规划基础培训课件-20050726-B-1
  • LTE天线产品介绍
  • 自动物流中AGV的通讯网络解决方案_图文
  • 2011-12-1车间技术员岗位职责
  • 科普作品创作大赛
  • 通信铁塔共建技术要求-YD-110215
  • RFID及其在动物识别与跟踪中的应用_论文
  • 电脑版