基於商品屬性的電子商務推薦系統研究

基於商品屬性的電子商務推薦系統研究，為了減少稀疏矩陣、冷啟動等問題對推薦過程的影響，改善推薦系統的推薦效果和解釋能力

基本介紹

• 中文名：電子商務推薦系統研究

簡介

推薦系統是解決信息過載問題的有效手段，已經引起了企業界和學術界的廣泛關注。為了減少稀疏矩陣、冷啟動等問題對推薦過程的影響，改善推薦系統的推薦效果和解釋能力，本研究在對現有的電子商務推薦系統研究成果分別從信息技術和商務套用的角度進行了梳理和分類的基礎上，從信息粒度和信息來源的角度研究了商品的屬性知識和用戶對商品屬性的偏好信息在推薦系統中的作用機理。

詳情

論文首先針對用戶經常消費的商品提出了基於商品屬性的推薦算法和流程。參考信息檢索領域的TFIDF算法，提出了在不增加消費者反饋工作量的前提下，將傳統的用戶商品評分矩陣轉化為用戶商品屬性評分矩陣的方法，並以此評分矩陣為基礎提出了基於商品屬性效用疊加、基於神經網路和基於屬性的協同過濾三種推薦方法。通過對國際網際網路上公開的數據集的計算表明本文提出的矩陣轉化方法能夠在一定程度上提升矩陣中數據元素的密度，提出的三種推薦方法也能在不同程度上解決推薦系統的稀疏矩陣和冷啟動的問題。
論文接著針對用戶不經常消費的商品提出基於定性的用戶購買目標和定量的專家商品領域知識的互動式推薦算法和流程。該互動式推薦算法以手段目標鏈理論模型為理論依據，以商品屬性為中介。論文在理論分析的基礎上根據設計科學的研究範式，選用計算機商品為研究對象，設計了包括專家商品領域知識獲取和推薦互動功能的原型系統。實驗研究結果表明提出的互動式推薦過程能夠明顯降低用戶對選購類商品消費過程的感知複雜程度，顯著提高用戶消費過程中的決策效率。
論文最後提出線上評論中用戶商品屬性偏好信息的挖掘方法以及這些信息在商品推薦過程中的作用機理。借鑑現有的自然語言處理技術和數據挖掘方法，給出了在一定的人工參入下，從用戶線上評論中挖掘用戶商品屬性偏好信息、評論權重信息、用戶商品評分信息的算法和流程，同時分析了獲取的這些信息作為商品領域知識或用戶商品偏好模型信息來源套用子推薦過程的不同作用機理。針對用戶對計算機商品的線上評論的實驗研究結果證明了提出的算法和流程的可行性和有效性。