论文部分内容阅读
随着Internet的发展,互联网产生了新的变化,与此同时,电子商务高速发展,网络购物的不足也随着互联网的变化显现出来,目前购物网站中的个性化推荐系统已经不能很好的满足用户的需求。尤其在服装网购中,用户不能试衣,不能看到试穿效果,没有导购小姐帮忙挑选,无法确认自己喜欢的服装是否适合自己,自己穿着是否合身,也不知道如何搭配,这些不足之处已经严重影响着服装网络购物。本文分析了服装网络购物同实体店购物相比较的不足之处,结合这些不足设计了充分考虑到用户实际购物体验的个性化推荐系统,系统不仅可以为用户推荐自己喜欢的服装产品,还可以为用户推荐适合用户的整套搭配服装,模拟了用户在实体店购买服装的试衣并搭配的实际体验,帮助用户选择适合自己的服装,提高用户网购服装的满意度,帮助网站提高成单量。本文主要做的工作如下:1、分析个性化推荐系统的研究现状,发现了目前购物网站个性化推荐系统在用户体验方面考虑的不充分。2、建立了基于用户注册信息、浏览过的网页内容和浏览行为的用户兴趣模型。首先依据用户注册时勾选的用户感兴趣的关键词初始化用户兴趣库,然后根据用户浏览过的网页内容和用户的浏览行为更新用户兴趣库,获取用户喜好信息。3、根据人体模型、专家建议、结合个人喜好设计了基于层次分析法和粗糙集理论的服装搭配算法,在获得用户基本信息和用户喜好信息的基础上,将用户按人体模型分类,找到适合体型的服装,再运用层次分析法,得到用户合体的服装,通过粗糙集属性约简,为服装进行搭配,完成个性化推荐服务,最后用实验验证了算法的有效性。4、设计了个性化服装推荐原型系统的框架结构和功能模块,并实现了系统的主要功能。