论文部分内容阅读
随着网络技术的不断发展,电子商务网站越来越受到重视。它作为企业对外的一个门户或经营场所,如何有效地提高其产品的吸引力、获得尽可能多的效益,成为关键问题。向用户进行个性化的产品推荐是一个非常有效的方法。协同过滤是目前在电子商务推荐系统中应用较为成功的个性化推荐技术。但是,当系统规模(用户数量、产品种类)很大时,推荐系统中的协同过滤技术面临着严峻的挑战。为了迎接这种挑战,提高推荐系统的推荐质量和实时性,目前国内外进行了较多的研究,其成果也在实际中得到了一定的应用。 论文全面介绍了电子商务推荐系统及其典型的实现技术、协同过滤及已有协同过滤算法的两个方向。着重分析了协同过滤在推荐系统中应用时所面临的问题,以及现有的解决方法。通过对基于项和基于用户的协同过滤算法的比较与分析,提出了一个基于项的协同过滤改进算法。对改进算法进行了详细的理论分析,阐述其可行性;给出了改进算法在标准数据集上的实验结果,并对改进算法与原算法进行了相关性能的比较分析。最后,对本文研究进行了全面总结,指出存在的不足,展望了未来进一步研究的方向。