个性化网书箱推荐系统.doc

第一章 引 言 1 1.1 网上书籍推荐系统的现状 1 1.2 网上书籍推荐系统的不足 2 1.3 论文的主要内容 3 1.4 论文的结构 3 第二章 网上书籍推荐系统的相关理论 4 2.1 网上书籍推荐系统简介 4 2.2 协同过滤技术 5 2.3 基于内容的过滤技术 6 第三章 网上书籍推荐系统的设计 8 3.1 系统流程 8 3.2 协同过滤的推荐 9 3.2.1 评分数据变换 9 3.2.2 评分数据表示 10 3.2.3 获取显性兴趣度 11 3.2.4 获取隐性兴趣度 14 3.2.5 获取预测兴趣度 16 3.2.6邻居形成 19 3.3 基于内容过滤的推荐 20 3.3.1 书类的聚类 20 3.3.2 产生基于内容过滤的推荐 21 第四章 网上书籍推荐系统的实现 21 4.1 系统框架 21 4.2 系统功能 22 4.3 协同过滤推荐的实现 22 第五章 系统推荐效果评估 25 5.1 实验数据收集 26 5.2 实验评价标准 26 第六章 结 论 29 6.1 全文总结 29 6.2 不足与展望 30 参考文献 30 致 谢 32 第一章 引 言 1.1 网上书籍推荐系统的现状 随着互联网的快速发展，网络用户在急速的增加，电子商务正以低廉、快捷及不受时空限制的优点而在全球流行。据中国互联网络信息中心发布的调查报告显示[1]，虽然我国的互联网发展迅速，截至2004年底国内网民达到9400万人，但电子商务存在的不足：除了信息服务之外，电子商务能够提供的功能性服务还亟须完善和加强，互动、个性化服务和产品不足是一个突出的问题。网上书店作为电子商务中较为成功的应用，在提供更加互动、个性化的服务和产品上，也在积极地研究。 目前，网上书店在互联网上可以实现的商务功能已经多样化，基本能实现传统书店功能，包括对外沟通展示功能、信息发布功能，在线图书展示功能、在线洽谈功能、在线交易功能、在线采购功能、在线客户服务功能、在线网站管理功能等等，另外还在不同程度上采用了推荐技术[2]。目前，各种各样的网上书籍推荐系统已投入使用，用来帮助用户寻找所需购买的商品。比较有名的具有个性化推荐的网上书店有A、当当书城和金石堂网络书店等。 网上书籍推荐系统目前都有大量的研究，主要集中在信息获取方式和推荐技术。在信息获取方式上，目前的网上书籍推荐系统一般能利用用户部分的可用信息进行推荐，如有的使用人口统计资料，有的利用隐性评分资料，有的利用用户购买记录信息的，有的利用其它途径获取的调查资料等。 在推荐技术研究中，关键的问题是确定推荐的算法。合理算法才能确定符合网上书店的应用要求。现在研究的算法有：关联规则、Bayesian网络技术、聚类技术、Horting图技术及协同过滤技术等[3]。关联规则可发现商品销售在过程中的相关性而产生推荐，但推荐精度稍差。聚类技术可以将具有相似兴趣的用户分配到相同的簇中，在簇中其它用户对某商品的评分就是系统对该商品的评分，用于处理用户数据较快的场合，但推荐精度不高。Bayesian网络技术的训练模型较小，对模型的应用较快，适用于用户兴趣变化较慢的场合。Horting图技术是在图中寻找近邻节点，综合邻节点的观点形成推荐，推荐精度较高。 协同过滤技术在实际应用中较为成功，包括A在内许多网上书店都在使用了协同过滤技术。协同过滤技术通过用户最近邻居产生推荐，推荐精度较高。协同过滤技术绕开了信息内容的分析，只依据其它用户对信息的评分来向目标用户进行推荐，具有推荐新信息的能力。 基于内容的过滤技术应用较早。目前大多数的网络书店的有哪些信誉好的足球投注网站引擎都在采用基于内容的过滤技术，主要应用于信息有哪些信誉好的足球投注网站的关键词匹配上。基于内容的过滤在文本的相关性研究较为成功，但由于人工智能对自然语言理解能力有限，及机器对非文本信息的分析能力不足，阻碍基于内容的过滤技术的发展。 与其它的电子商务推荐系统一样，目前网上书籍推荐系统的研究热点和方向有[4]：一是对当前的网站推荐系统进行改进，使推荐系统能产生更加精确的推荐；二是将数据挖掘技术及Web挖掘技术应用到网站推荐系统中，提供完全自动化的推荐；三是将网站推荐系统由虚拟的销售人员转变为市场分析工具；四是开发销售方的网站推荐系统，为商家的产品定价、促销及交叉销售等提供推荐等。 1.2 网上书籍推荐系统的不足 目前，网上书籍推荐系统普遍存在个性化程度不高的问题，尤其在国内较为明显。为了吸引用户的关注，网上书店往往借助网页制作技术，使网页中信息呈现的多元化和丰富性，这样反而可能造成用户对信息的混淆，浪费了用户很多无谓的时间来浏览不必要的信息。目前的网上书籍推荐系统提供的推荐信息一般是大众化的信息，即对所有用户推荐的内容相同，如商品销售排行榜、编辑推荐等。一些具备个性化推荐的功能，也局限于用户的注册信息和购物篮信息