论文部分内容阅读
随着互联网、移动互联网业务的高速发展和电子商务的大量普及,个性化推荐技术已在亚马逊、淘宝网、京东商城等诸多互联网业务平台中有所应用,并为用户带来了较佳的业务使用体验、为企业主带去了良好的营销推广效果。 个性化推荐系统的应用效果的优劣由数据和算法所决定:数据量越大、算法越精良,推荐效果就越佳。然而,业界的个性化推荐系统往往是基于独立业务平台内部的闭合数据所构建,因此存在“数据维度单一、无法真实反应用户全部特征”的问题,个性化推荐系统的实际应用效果无法得到最大化体现。 为解决上述问题,在本文研究并提出了一种面向个性化推荐的多元数据融合方法,通过本方法可为个性化推荐系统提供更加充足、精准、全面的数据,从而提升数据分析、数据挖掘的准确性、可信性,大大提升个性化推荐的应用效果。该方法具体包括:首先建立统一帐号标识体系,通过统一帐号来对同一个用户在各个不同业务平台中的身份进行标识、建立数据关联;其次与各个业务平台打通数据通道,通过上述统一帐号标识来精确定位同一个用户在不同业务平台中的个人信息,进而通过数据通道进行信息汇聚采集;最后对所采集的用户全量数据进行加工整合,得到用户在互联网上的多维度、高精度、海量的数据信息,为个性化推荐系统提供高价值数据的输入。 同时,在本课题研究过程中,基于电信运营商的自有业务平台以及电信合作业务平台,对上述多元数据融合方法进行了原型系统开发与技术验证。 通过本课题研究,认为多元数据融合,可为已有成熟的个性化推荐系统提供充足而精准的海量用户数据,大大提升推荐结果的准确程度,具有一定的实际应用价值。