电子商务中的用户兴趣进化与个性推荐研究.docx

课题名称：电子商务中的用户兴趣进化与个性推荐研究学生姓名：学 号：学 院：信息科学与技术学院专业年级：指导教师：职 称：完成日期：二○一七年一月十日摘 要伴随着社会的发展，信息化程度的普及，互联网和电子商务的发展迅速，信息化与人民的生活变得密不可分电子商务信息繁荣带给人们越来越多地选择，但它的组成部分相应的繁琐多变用户在面临让人眼花缭乱地商品信息，没有办法找到目前符合自己生活条件真正需求的物品电子商务推荐体系不通过其他媒介和客户进行信息传播，客户通过虚拟商店的推广客服的推荐选择自己需求的物品，能够让购物方便进行随着市场竞争的形式变的越来越严峻，电子商务推荐系统可以广泛的存储客户、避免客户减少，增加电商的竞争力度[关键词]：电子商务；用户兴趣；个性推荐；问题；措施AbstractWith the popularization of Internet and development of e-commerce, e-commerce system provides more and more choices for users at the same time, its structure has become more complex, users are often lost in a large number of goods in the information space, and could not find the goods they need. E-commerce recommendation system directly interact with the user, to simulate the sales offer recommend products to users, to help users find the products, thus the successful completion of the purchase process. In the increasingly fierce competitive environment, e-commerce recommendation system can effectively keep users, prevent user loss, improve the electronic commerce system of sales.[Key words]: electronic commerce; user interest; personalized recommendation; problems; measures目 录一、引言 （一）研究背景 （二）研究目的及意义 （三）国内外研究现状及发展趋势 1.国外研究现状 2.国内研究现状 （四）研究方法 1.文献分析法 2.规范分析法 3.实证分析法 二、电子商务中的用户兴趣模型 （一）电子商务中的用户兴趣模型简介 1.概念 2.目的 （二）电子商务中用户兴趣模型的获取方式 1.用户显性反馈方式 2.用户隐性反馈方式 3.小结 （三）电子商务中的用户兴趣模型需解决的问题 1.降低数据稀疏的影响 2.提高实时推荐的效率 三、电子商务中的个性化推荐系统 （一）电子商务中的个性化推荐系统简介 1.概念 2.基本作用 3.小结 （二）电子商务中个性化推荐系统的基本框架 1.基于内容的推荐算法 2.协同过滤推荐算法 3.基于效用的推荐算法 4.基于关联规则的推荐算法 5.基于知识的推荐算法 6.基于人口统计信息的推荐算法 四、总结归纳 五、致谢 六、参考文献 一、引言（一）研究背景在这些年，电子商务如雨后春笋，呈现出盎然的生机，发展趋势迅猛，在群众的社会生活和工业发展方面呈现出了特别的影响力。

商品由物与物交换到物与钱再发展到现在的网络交易，传统的商品买卖流程已经不适用于当今信息化社会由于电子商务在不断成长，同时助长了部分依靠电子商务地公司地快速成长，例如：阿里巴巴、淘宝、拍拍、慧聪、易趣等集团以前传统销售模式的信息的滞后性，使用户无法获取较多的信息但是，在新兴地电子商务迅猛成长地同时“信息超载”弊端也不断的出现，这就使相当水平上约束到依靠电子商务谋生公司在客户范围内的接受水平正因为这样才迫使电子商务公司制定具有特色地推荐体系，以此来帮客户在让人眼花缭乱的商品里面寻求各自需要的商品，这也理所当然地成为电商公司能够迅速成长的主要因素因此，在电子商务迅猛发展的大背景下，探讨研究用户兴趣模型与基于用户兴趣模型的个性推荐系统成为不可逆转的趋势，一方面有利于促进电商企业站点的改善创新，另一方面能更好地促进电子商务企业及我国市场经济的稳定发展二）研究目的及意义首先，在理论研究层面：电子商务中地具备独特魅力地推荐体系占据重要地学术地位按照宏观来看，我们通过搜索所得到的内容就是系统帮助我们筛选出来符合自身需要的内容，目前搜索水平并不能够满足人们特立独行的需求随着信息技术的发展，出现一些新的推荐方法和技术，惠及各行各业，但是其存在的扩展性、实时性、稀疏性和精准性等问题也成为国内外学者的研究焦点，特别是电子商务推荐体系里面帮助筛选地算法地改进更受到了许多人的焦点。

其次，在显示应用方面：从客户角度来看，由于个性化推荐技术，客户摆脱大量的冗杂的各种商品数据，极大简化了客户查询相关产品的过程；从商家及客服人员来看，个性化推荐技术加强了用户与相关购物网站之间的互动，增强用户的归属感，增加了客户的购物频率，许多客户在查看网页信息地同时转变成为商品地购买者，增强了电子商务网站地交错促销水平，能够给电子商务公司带来红利和契机三）国内外研究现状及发展趋势1.国外研究现状国外发展较迅速，对于中地用户兴趣进化与独立特色推进体系研究较早，如今具有很多地资料可以参考，和国内推荐系统地发展相比，国外地发展水平理论相对齐全，因此在具体地电子商务特色推荐系统发展阶段中也相对齐全其中个性化推荐的典型代表有：亚马逊和影片租贷商他们都有专业的用户信息分析团队目前，亚马逊网站以Item-to-Item（低价凑单） Collaborative Filtering（协同筛选）为核心算法，再辅以其他基础算法，使得电子商务中的个性化推荐系统更为复杂和成熟2.国内研究现状在中国发展用户兴趣进化与特色推荐体系同时和中国电子商务地迅速生长持续发展但是因为人口数量较大，电子商务研究起步相对迟，整体学术成果层次不高，成长速度相比外国要缓慢。

在发展成长阶段，AMAZON与易贝等公司的成长同样比国内很多公司实力强大，其独具特色的推荐水平一样很高我国电子商务方面的用户推荐系统研究主要针对一些理论上的的改进和发展，在实践方面远不如国外四）研究方法本课题围绕电子商务中的用户兴趣进化与个性推荐系统研究的主题采用以下几种研究方法：文献分析法、规范分析法、实证分析法等方法：1.文献分析法由于国内电子商务用户需求推荐文献不多，所以本人研究查阅、整理了大量国外文献通过分类、对比与本论文相关的国内外文献，归纳目前研究成果及和研究的不足及偏差，为研究课题的选择提供有价值的参考，以此确立本课题的研究范围2.规范分析法规范分析法就是用已有的、实践已经证明的理论来对本课题进行推理和分析本文在分析电子商务中的用户兴趣模型与个性化推荐技术时，查阅了文学界某些较为成熟的观点进行参考及借鉴3.实证分析法实证分析实质上就是对事物本来面貌的客观描述本文在迅猛发展地大背景下，具体分析中地用户兴趣模型及其中个性化推荐技术中较多地运动此方法二、电子商务中的用户兴趣模型（一）电子商务中的用户兴趣模型简介1.概念电子商务客户兴趣模型为用于备份客户的爱好，记录与分析客户地往期历史浏览记录，保存客户地购买记录及选择偏好地功能集合。

也就是用户感兴趣的信息的可计量描述它主要应用于使用者偏好及往期购买商品，使用预先设定的模型进行储存、分析客户地兴趣、发现其未被发现的爱好2.目的体系建立此类客户爱好模型地关键目地就是通过此类模型预估使用者在特定前提下地购买欲望及目的，同时由系统做出预估，积极地给用户其施予指导与服务，使得电商公司地销售量得到提升信息化社会的大背景下，世界各地的用户总是希望通过网络访问电子商务站点的方式可以直接或间接地获取自己所需要的信息，这就要求电商企业提供的平台能够及时高效的根据客户兴趣提供服务或帮助，并对查询结果进行及时处理并按照客户的医院进行呈现在这种要求地迫使下体系应该给浏览此网站地客户设定其偏向模型，同时把它们的产品信息积极地向使用者介绍，另外要把客户的搜素内容做出相应的区分，进而能更直观、高效、及时的帮助客户快速准确的从繁杂的信息资源中获取有用信息，为客户提供个性化的服务，最终促进自身企业的蓬勃发展二）电子商务中用户兴趣模型的获取方式1.用户显性反馈方式1.1概念综述用户反馈方式也就是我们所说的使用者在第一次浏览电子商务平台的时候，体统一般情况下需要使用者使用表格地方式向部分内容给出答案类似于调查问卷地格式，使用者经过填表以作答地办法主动展示个人信息及爱好点，进而直接参与到电子商务体系成立使用者爱好模型地过程中去。

1.2优缺点用户显性反馈方式是通过用户本人主动提交的形式，是的反馈信息更加直观、具体，更具针对性和可靠性；但是这种方式由于会要求客户亲自回答设定的具体问题而占用客户大量的时间，考验用户的耐心程度，导致其反感度提升2.用户隐性反馈方式2.1概念用户隐性反馈方式是指电商平台用户在直接访问系统的同时，通过观察用户的浏览记录及习惯的方式进行推理进而归纳总结用户的兴趣点2.2优缺点用户隐性反馈方式不需要用户主动提供个人信息资料及兴趣点，二是依靠系统学习来进行归纳总结，进而推断出用户的兴趣点并建立相匹配的用户兴趣模型；但是这种方式由于不是用户亲自提供个人兴趣点，因而导致其推导的结论直观性、可靠性降低，与客户的实际情况存在误差3.小结根据分析以上两种方式的优缺点，本人认为电子商务中的用户兴趣模型构建应将显性反馈方式与隐性反馈方式巧妙融合，也就是使用者第一回浏览电商平台时向很少的一部分内容给出答案，系统参照相关内容设定使用者爱好初始模型；同时，在使用者运用此系统的期间，运用动态数据储存使用者地偏好，归纳研究比较使用者地爱好行为，达到推断使用者地爱好点的目的，对使用者爱好模型进行材料补充通过两种反馈方式的结合，既节省了用户的时间，降低了用户的反感程度，同时又使得调查结果更具直观性和可靠性，两全其美。

三）电子商务中的用户兴趣模型需解决的问题1.降低数据稀疏的影响由于电子商务站点里面产品数量巨大，但是使用者提供地反馈可用数据较少，导致评分矩阵高维稀疏为了达到有效提取使用者爱好的目的，我们必须在相对比较少的内容里面做出大量的研究工作，能够通过内容过滤地研究形式从其具体提供地内容里面获得使用者对各种产品的偏好，进而掌握用户的兴趣点根据用户之间兴趣的差异，将相似爱好的用户群体划分归类并归纳，进而用合作过滤这一方式对其进行预测与推荐处理此现象地关键是通过变换评分矩阵与偏好度，相关站点地产品类型比较繁多，项目属性总体较少，虽。