论文部分内容阅读
电子商务到现在为止已经走过了近半个世纪。网络经济的第二浪潮也正在身边风起云涌。在浪花过处,人们逐渐认识到:商务仍是这一切活动的中心,客户服务则是商业成功的关键所在。满足客户不断增长的对服务的需要,体现用户的个性自然成为电子商务的核心任务之一。商务的竞争从深层次而言,体现为服务的竞争,从更深层次上则体现为个性化的竞争。个性化推荐技术则又是个性化服务最核心的技术。目前,个性化推荐技术主要以协作推荐和内容推荐两大技术为主。其中协作推荐是电子商务推荐的主流。基于用户的协作推荐技术和基于商品项的协作推荐技术是协作推荐的主要方式。传统的基于用户的协作推荐并不生成显式的用户模型,而是直接比较用户的相似度进行推荐,推荐效果不突出。基于商品项的推荐系统克服了不少传统用户协作推荐的缺点,但同时放弃了对用户本身兴趣的推荐,且仍有可能导致同质推荐。首先,本文针对个性化的本质特点,结合模糊数学的知识,提出了一种个性化模糊兴趣模型。在此模型建立的初期,我们解决了商品属性模糊化的问题,然后根据用户的商品选择列表,建立了单类商品的多级模糊用户兴趣模型。其次,讨论了多类商品兴趣模型建立的需求。针对缺项商品集,本文利用数据挖掘中的模糊关联规则,尝试进行了用户新的兴趣点的发现。解决了多类商品推荐中缺项商品模型生成的难题,从而最终实现了面向新的兴趣点发现的完整多类商品模糊兴趣模型。这部分的研究是本文重要的创新之一。再次,基于模糊兴趣模型的推荐不同于通常的用户推荐,因此,我们根据单类商品的模糊兴趣模型,建立了同类商品推荐的特有推荐算法,并在此基础上推导出了一个完整的能够发现新兴趣点的多类商品推荐算法。最后,本文对提出的新用户兴趣模型及相应推荐算法的有效性进行了必要的实验验证,初步实验结果表明了模型的合理性及推荐算法的有效性,其推荐效果比现有的经典推荐算法更优。算法的具体实现过程中论文引入了多主体理论中的智能代理来帮助完成的。Agent之间的互助和协作,将有助于最终建立一个社会化的推荐系统网络。总之,本文的工作为更好的实现商品的个性化推荐提出了一条新的思路和方法,比较传统的推荐具有自身的优点。