文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > IT/计算机 > 互联网 > 基于用户兴趣特征提取的推荐算法研究
侵权投诉

基于用户兴趣特征提取的推荐算法研究

第28卷第5期2011年5月计算机应用研究

ApplicationResearchofComputersVol.28No.5May2011

基于用户兴趣特征提取的推荐算法研究

刘枚莲,刘同存,李小龙

(桂林电子科技大学,广西桂林541004)

摘

*

要:传统的推荐算法一定程度上降低了网络消费者的搜索成本,但难以实时提供消费者满意的推荐服务,

也忽略了用户偏好动态转移性。为了提高电子商务系统的推荐质量,从用户偏好的行为特征入手,建立了网络用户的兴趣特征提取模型,并设计了相应的推荐算法。通过对用户兴趣特征提取模型的检验和用户兴趣度矩阵依据与目标用户偏好相似的邻居用户对商品的兴趣程度预测用户对未浏览商品的兴趣度,并选择兴趣的建立,

度值较高的N个商品推荐给用户。实验结果表明,在用户偏好动态转移的情况下,所设计的推荐算法的推荐精度和推荐效率明显提高,提高了网络用户的满意度。关键词:兴趣特征;兴趣度;兴趣度矩阵;推荐算法中图分类号:TP181;TP301.6

文献标志码:A

文章编号:1001-3695(2011)05-1664-04

3695.2011.05.019doi:10.3969/j.issn.1001-

Recommendationalgorithmonfeatureextractionbasedonuserinterests

LIUMei-lian,LIUTong-cun,LIXiao-long

(GuilinUniversityofElectronicTechnology,GuilinGuangxi541004,China)

Abstract:Tosomeextent,thetraditionalrecommendationalgorithmreducedconsumer’sonlinesearchcost,butitcouldn’tprovidesatisfactoryrecommendedserviceforWebconsumerstimely,andthedynamicmetastaticofuserpreferenceshadbeenignored.Inordertoimprovetherecommendationqualityofe-commercesystems,basedonthebehavioralcharacteristicsofthe

userpreferences,thispaperestablishedamodelonfeatureextractionofuserinterestsaccordingtothedynamiccharacteristicsofnetworkconsumerpreferences,anddesignedacorrespondingrecommendationalgorithm.Users’interestmodeloffeatureex-tractionwastrueandbuiltuserinterestsmatrix.Bytheinterestingnessofneighborswhosepreferencesweresimilartothetarget

andthenrecommendeduserstopredicttheusers’interestingnessonthosewhohadnonavigationexperienceinsomeproducts,

thetopNproductswithhigherinterestingnesstoWebusers.Theexperimentalresultsshowthatthismethodcanimprovetherecommendationefficiencyandimproveaccuracyobviously,andtheonlineconsumer’ssatisfaction.Keywords:interestfeature;interestingness;interestmatrix;recommendationalgorithm

为了解决Internet的信息过载问题,降低消费者的搜索成本,推荐系统作为一种典型的信息过滤技术已广泛应用到电子CDNOW、Drugstore和MovieFinder等。商务系统中,如Amazon、推荐算法是整个推荐系统的核心,它的性能直接影响推荐效果,因此推荐算法的研究成为学术界和企业界共同关注的焦点问题

[1]

推荐服务的目的。本文提出的推荐算法在一定程度上弥补了传统推荐算法在用户消费偏好动态转移情况下推荐精度低的不足,能够根据用户当前的消费偏好为其提供满意的推荐服务,推荐精度显著提高。

。

1相关算法研究现状

推荐算法作为推荐系统的核心,直到20世纪90年代才被

在传统购物环境下,鉴于消费者的消费偏好具有一定的动态转移性,优秀的售货员通常根据消费者的购买历史及当前的以推荐功能为核心的购购买兴趣为其推荐商品。网络环境下,

物助手一定程度上降低了网络消费者的搜索成本,但所采用的推荐算法仅以用户对商品的历史评分为推荐依据,忽略了消费者消费偏好动态转移的特性。随着电子商务系统规模的扩大传统的推荐算法越来越难以提供让及消费需求的日益复杂化,

消费者满意的推荐服务。对此,本文从分析反映消费者偏好的行为特征入手,建立提取用户兴趣特征的数学模型,设计了基依于用户兴趣特征提取的推荐算法。该算法的核心思想在于,据消费者的购物偏好建立用户兴趣特征提取模型,进而构建用户对商品的兴趣度矩阵,利用邻居用户对商品的兴趣度预测目从而实现为网络用户提供满意标用户对未浏览商品的兴趣度,

收稿日期:2010-10-14;修回日期:2010-11-25

作为一个独立概念提出来。随着电子商务的不断发展,研究者如协同过滤推荐算法提出了各种不同的推荐算法,容的推荐算法

[3]

[2]

、基于内

[4]

、基于关联规则的推荐算法等。协同过滤

推荐算法最早是由Goldberg等人于1992年提出的,并应用于

[5]

Tapestry系统,但当时该系统没有充分考虑用户需求。在考

GroupLens首次提出了基于用户评分虑到用户参与的情况下,的自动协同过滤推荐系统

[6]

,Amazon并广泛应用到CDNOW、

等电子商务网站中。其中Amazon的图书推荐系统应用最为成功,但是该系统是以消费者的历史购买记录和其他消费者的购买历史为推荐依据,并没有考虑到消费者消费偏好动态转移特性。协同过滤推荐算法是研究和应用最为广泛的一种算

基金项目:国家自然科学基金资助项目(70862001)

作者简介:刘枚莲(1972-),女,湖南娄底人,教授,硕导,博士,主要研究方向为电子商务、物流工程;刘同存(1984-),男,山东临沂人,硕士研究生,主要研究方向为电子商务(sdliutongcun@163.com);李小龙(1981-),男,湖南常德人,副教授,硕导,博士,主要研究方向为传感器网络.

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email