论文部分内容阅读
信息过载和资源迷向已成为制约人们高效使用WEB信息的瓶颈。信息过载是指用户面对太多的WEB信息难以及时地消化、吸收;资源迷向则是指用户不知道如何确切地表达其对网络资源的需求,也无法准确有效地寻找所需资源。而个性化推荐系统能够根据用户的兴趣偏好主动推荐他所需要的信息,能帮助人们快速寻找到有用信息,很好地解决了信息过载和资源迷向的问题,因此在电子商务理论研究和实践领域中受到了广泛关注。
目前有很多类型的推荐系统,每种推荐系统都使用了不同的算法来计算两个相关对象的相似性,应用不同的过滤技术来处理信息。然而,这些推荐算法一般都只适用于特定的应用范围,往往很难做到适用于各种不同情形。因此,随着推荐技术的不断研究和丰富,以及用户兴趣的时序变化,推荐系统中的混合技术研究逐渐受到重视。本文在分析了现有混合推荐技术的基础上,针对目前研究还存在的一些问题,通过引入一种新颖的混合方式——市场模型,建立了一个基于该混合方式的WEB个性化推荐系统模型。该模型允许多种推荐方法同时为WEB用户(非注册用户)产生推荐,并能使之协同工作,从而弥补了单一推荐方法的不足,满足普遍的匿名WEB用户的个性化服务需求。
本文首先设计了基于市场拍卖的WEB个性化推荐系统模型,并详尽地设计了市场拍卖流程;对市场拍卖流程中的几个关键步骤进行了深入探讨。在设计市场拍卖的竞价定制策略时,本文引入了风险因子及风险效用的概念,从而使得市场拍卖模型的运行机制更加符合市场经济规律。接着,本文借助市场经济蛛网模型和马尔可夫模型对本文设计的市场模型的收敛性进行了深入论证和分析。另外,为验证本文所提出的模型设计思路的正确性,作者在.NET环境下,应用CTI数据集进行了实验,实验表明本文设计的推荐方案能产生准确而有效的推荐结果集,并能在一定程度上改善推荐质量。最后是本文的总结和展望。