论文部分内容阅读
随着Internet的日益普及,商业网站的蓬勃发展,如何提高商业网站的有效性,尤其是如何运用个性化推荐技术提供个性化服务来实现已逐渐成为一个能引起广泛兴趣的热点课题。虽然商业网站从“以站点为中心”向“以用户为中心”发展成为必然趋势。但目前国内大多数商业网站的商品推荐通常是:推荐热销产品;推荐相关产品;依据用户浏览历史的信息进行推荐。前两种推荐由于根本未考虑不同用户的个性特点,因此推荐完全不具备个性化的特点,第三种推荐有一定的个性化成份,但多数网站还仅仅停留在仅针对该用户一个人浏览历史的信息,只是为每个用户建立了一个个人浏览信息档案,没有横向进行信息综合,因此没有协作推荐的价值。论文论述了基于协作过滤技术的个性化推荐系统有关理论和此理论在工程上的应用,以及此种类型系统存在的不足和困境。进一步探讨Slope One算法,此算法是由Daniel Lemire教授在2005年提出的一个Item-Based推荐算法,可应用于各类以网上商品销售为主业务的网上商店,以及提供文章、新闻、音乐、电影等“无形”的产品的网络站点。用于帮助商店经营者,网络站点从事产品的个性化推荐,提高营销及服务质量,更好地挖掘潜在客户及客户的使用、购买潜能。但是此算法还没有得到商业上的应用。论文以J2EE框架设计实现系统,重点论述了个性化推荐模块的实现。首先采用当前的热门框架“JSF+Spring+Hibernate”作为系统架构,以自己的工程实践经验从业务层面对系统进行分层。以当前个性化推荐系统取得的成果和存在的问题为导向,对基于Slope One算法的个性化推荐系统进行设计和实现,在一定程度上给予评估,为此算法在商用系统上的应用做出一些探索。