论文部分内容阅读
在当前高度竞争的电子商务环境中,个性化推荐已经成为电子商务站点吸引新用户、保持老用户的重要手段。然而,我国的电子商务个性化推荐相对国外存在较大差距,而理论研究的落后是影响其发展的直接原因。本文正是在这种背景下,将Web挖掘理论与方法应用到电子商务个性化推荐中,并利用全信息理论和信息运动过程模型,对基于Web挖掘的电子商务个性化推荐机理与方法展开全面系统的研究。本文首先从数据输入、数据预处理、模式发现和在线推荐四个环节分析了基于Web挖掘的电子商务个性化推荐流程,以此为基础,应用全信息理论和信息运动过程模型,从“点击流”信息资源开发与利用的角度,建立了基于Web挖掘的电子商务个性化推荐模型,提出了基于语法、语义和语用三种层次的电子商务个性化推荐方法体系。其二,分析了语法层次的Web用户偏好分析与推荐问题。首先,描述了语法层次的Web用户偏好分析与推荐框架,然后分析了从Web日志数据中提取Web交易事务集的过程,以此为基础,重点阐述了基于Web交易事务聚类的用户偏好分析与推荐方法。其三,分析了语义层次的基于Web文本挖掘的推荐规则获取与匹配问题。首先,构建了基于Web文本挖掘的推荐规则获取与匹配模型,然后利用基于向量空间模型的Web文本表示方法对Web文本数据进行预处理,以此为基础,提出了一种基于Web特征词条聚类的推荐规则获取与匹配方法。其四,分析了整合Web语义知识的电子商务个性化推荐方法,它属于语义层次的电子商务个性化推荐方法。首先,提出了整合Web语义知识的电子商务个性化推荐框架,然后利用我国学者提出的领域本体构建方法阐述了当当网Web领域本体构建过程,并以当当网Web领域本体为例,通过构造约简的语义层次的Web使用文档和用户当前会话,利用Web领域本体概念相似性比较方法,提出了一种基于Web领域本体的电子商务个性化推荐方法。最后,分析了语用层次的Web用户效用函数构建问题。首先重点讨论了如何利用用户隐式反馈——用户点击行为所体现的效用权重来构建效用函数,然后,假定针对特定商品(台式电脑)的一般用户效用函数已经构建,以此为基础构建先验贝叶斯网络,接着重点分析了如何利用贝叶斯网络的学习机制来构建针对特定用户的面向此次站点访问的效用函数。