基于用户兴趣模型的个性化推荐引擎技术研究

论文摘要

随着互联网技术的快速发展,大量的信息资源在给用户带来便利的同时也增加了用户获取所需真正信息的工作量。在电子商务网站领域,如何帮助用户方便快捷地找到他们真正感兴趣的商品是电子商务网站能够更好的满足用户的购买需求以获得更高经济效益的关键,个性化推荐系统就是解决这一问题的一个有效手段。网站通过使用个性化推荐系统,能够提高用户对所购商品的满意度,培养用户对网站的忠诚度,为商家带来更多的经济效益。本文首先介绍了电子商务技术、个性化推荐引擎以及用户建模技术等内容,然后详细描述了数据仓库技术在电子商务网站中的作用,并从用户兴趣度模型的角度对个性化推荐引擎进行了深入的研究。基于用户兴趣的推荐算法是电子商务网站中个性化推荐引擎常采用的方法之一,而现有的基于用户兴趣模型的推荐算法并没有准确的描述用户的购买兴趣。因此,本文提出了一种基于用户行为的兴趣度模型的创建和推荐算法,将用户行为权重引入模型的创建过程,从用户浏览兴趣的角度去描述用户对商品的兴趣度,能够充分的体现不同用户对商品的不同偏好,使推荐结果更符合用户的购买兴趣。经进一步研究发现,现有用户行为的兴趣度模型的创建及推荐算法并没有考虑到用户对商品兴趣随时间的变化。为了解决这一问题,本文又给出了一种基于用户反馈信息的模型更新算法,将用户的短期兴趣、长期兴趣引入到推荐算法中,实现了推荐精度的提高。为了验证提出的推荐算法的可行性和正确性,本文建立了相应的实验模型,并用Java语言实现了提出的推荐算法,通过实验验证,本文提出的算法和模型达到了预期效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.1.1 电子商务
• 1.1.2 个性化推荐系统
• 1.1.3 Web 挖掘技术
• 1.1.4 用户兴趣
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 本章小结
• 第2章 个性化推荐系统与用户建模技术
• 2.1 个性化推荐技术
• 2.1.1 个性化推荐技术中的主要问题
• 2.1.2 个性化推荐技术中的主要技术
• 2.2 用户建模技术
• 2.2.1 用户建模的意义
• 2.2.2 创建模型的数据源
• 2.3 本章小结
• 第3章 基于用户行为的兴趣度模型的创建
• 3.1 基于用户兴趣的个性化推荐技术
• 3.2 数据源及数据处理
• 3.2.1 Web 日志挖掘
• 3.2.2 用户行为数据分析
• 3.3 基于用户行为的兴趣度模型的创建
• 3.3.1 设计思想
• 3.3.2 模型的创建流程
• 3.4 模型的创建算法
• 3.5 本章小结
• 第4章 一种基于用户行为反馈的兴趣度模型的更新
• 4.1 模型的反馈更新原理
• 4.1.1 获取显式反馈信息
• 4.1.2 获取隐式反馈信息
• 4.2 基于用户行为反馈的兴趣度模型的更新算法
• 4.2.1 设计思想
• 4.2.2 模型的更新流程
• 4.2.3 反馈数据处理
• 4.2.4 基于反馈技术的兴趣度模型更新
• 4.3 模型的更新及推荐结果排序算法
• 4.4 本章小结
• 第5章 个性化推荐引擎的实验
• 5.1 个性化推荐引擎的实验准备
• 5.1.1 实验平台的搭建
• 5.1.2 实验数据来源
• 5.1.3 实验数据处理
• 5.2 基于用户行为的兴趣度模型的创建实验
• 5.2.1 基于用户行为的兴趣度模型的创建的实验数据设计
• 5.2.2 基于用户行为的兴趣度模型的创建的实现过程
• 5.2.3 基于用户行为的兴趣度模型的创建的实验系统设计
• 5.2.4 基于用户行为的兴趣度模型的创建的实验结果及分析
• 5.3 基于用户行为反馈的兴趣度模型的更新实验
• 5.3.1 基于用户行为反馈的兴趣度模型的更新实验的设计原理
• 5.3.2 基于用户行为反馈的兴趣度模型的更新实验的实现过程
• 5.3.3 基于用户行为反馈的兴趣度模型更新的实验系统设计
• 5.3.4 实验结果及分析
• 5.4 本章小结
• 结论
• 参考文献
• 致谢
• 攻读硕士期间发表（含录用）的学术论文