论文部分内容阅读
电子商务的迅猛发展,在为用户提供越来越多的服务和商品的同时,也出现了信息超载问题。经济文化的发展,消费者不再满足服装的基本功能,开始追求服装穿着的个性化和品位。推荐技术在解决信息超载和个性化推荐方面有巨大的潜力,现已运用到众多领域,但由于服装偏好影响因素多、不稳定,且具有明显的求异心理,对推荐系统提出了更高的要求。因此,针对服装个性化推荐的研究就显得尤为重要。本文从互联网平台的角度出发,基于层次向量空间模型构建服装个性化推荐模型。该模型的主要内容如下:(1)综合文献研究、消费者深度访谈及专家意见三种方式,获取能够全面描述服装的最小属性集合,基于服装属性构建服装集合,并以向量空间模型的表示方法对服装进行表示。(2)根据用户的个人信息和行为数据,参考已建立的服装模型,提取用户属性特征并分类。基于层次向量空间模型建立用户模型,并根据时间和情景变化对兴趣漂移的影响,把用户模型分为用户需求模型和用户偏好模型。用户需求模型反映用户的短期需求,主要用户目标推荐服装的筛选;以用户兴趣度特征向量表示用户偏好模型,反映用户对不同服装属性的偏好。(3)通过混合推荐算法进行服装模型和用户模型之间的匹配,首先基于筛选规则得到目标服装集合,然后根据消费者属性偏好计算目标服装集合中每件服装的综合得分,以TOPN推荐列表的形式完成推荐。为了验证本文提出的服装个性化推荐模型的有效性,以80名女大学生作为实验者进行模拟实验。首先,利用网页数据采集软件神箭手对淘宝网服装进行采集,通过数据预处理选取5000件有代表性的服装构建服装集合;其次,获取实验者手机淘宝中服装的历史购买记录和近期浏览记录,输入推荐模型得到推荐结果;最后,将模型获得的推荐结果和热销榜单中随机推荐结果打乱顺序推荐给实验者进行评分。基于实验者根据自身偏好和购买意愿的对推荐商品的评分,通过预测准确率、排序准确度及覆盖率评价指标对推荐系统进行评价。计算结果显示,本文提出的推荐模型的预测准确率明显高于热销榜单中随机抽取推荐的结果,且总的斯皮尔曼系数均值约为0.88,证明该个性化服装推荐模型有效。