《大数据分析与应用》教学课件 第五章 基于二部图网络的电子商务推荐算法研究.pptxVIP

;第5章 基于二部图网络的电子商务;;;;互联网上的信息应有尽有，从用户的角度来看，能否在Internet上找到自己想要的东西已经不是一个问题，能否在浏览、购物的同时得到有效的推荐，降低选择成本将成为用户重点关注的内容。要让用户从如此高量级的数据中迅速找到自己喜欢的信息，对于互联网企业来说既是机遇也是挑战。从企业的角度来看，如何完善用户体验，增加用户黏度，提高转化率，保持用户对网站的依赖度将成为下一阶段亟待解决的问题。如果企业能够在这个关键时刻找到迅速获取用户潜在需求的方法，那么不仅能够提高自身的吸引力和核心竞争力，同时可以扩大自己与竞争者之间的优势。;;5.1.2 研究目的及意义 ;;目前存在很多个性化推荐算法，每个推荐算法都有各自的特点，可以从不同方面解决信息过载使人们难以挑选的问题。基于内容的推荐算法通过计算用户与产品之间的相似度，得到与用户的特点相似度最高的产品并推荐给用户，这与用户属性和产品属性有关；协同过滤推荐算法考虑用户之间的相似度或产品之间的相似度，比如通过分析与用户购买相同产品的其他用户的历史购买数据，为用户推荐有共同兴趣的用户同时关注的产品，这与用户间、产品间的关系有关；基于二部图网络的推荐算法更明确地表达了用户与产品之间的选择关系，与协同过滤推荐算法一样通过用户或产品之间的相似度来计算用户与所有产品之间的关系，并将与用户关联最紧密且未被用户选择的产品推荐给潜在用户。;;;5.1.3 数据集介绍 ;;;大数据时代已经到来，人们越来越关注如何在海量信息中迅速找到需要的内容。由于信息技术的迅猛发展和电子商务应用的深入，推荐算法已经成为互联网应用中的热点研究领域。;推荐算法对电子商务企业和用户来说都是有益的。首先，其为用户提供了有效的个性化服务，降低了用户筛选商品的成本；同时，也为商家提供了更多了解不同用户的需求和行为特征的机会，这样一来就使商家更有效地提高了商品的销售量，同时改善了用户体验，提升了用户评价和满意度，保持用户的忠诚度；另外，电子商务推荐系统使商家与用户保持了良好的客??关系。在电子商务个性化推荐系统中，每位客户得到推荐的产品是不同的，虽然大多数系统目前提供推荐畅销产品的服务，但用户更喜欢专为自己提供的服务，推荐系统的目的正是为消费者提供与自己兴趣爱好相关的商品。;推荐算法能够在庞杂的数据中找到其内在联系，并将信息推送给相关的用户，其包括两个主要的研究点，首先是找到用户感兴趣的信息，第二是将这些信息推送给用户。;;;;;;;;;;;5.2.2 推荐算法的应用现状 ;;表5-1 各大使用推荐系统的网站;领域;视频;;;基于内容的推荐算法;;;基于内容的推荐算法具有以下几个优势：;;协同过滤推荐算法认为两个选择过相同或相似产品的用户可能具有更多的共同喜好，正如生活中人们将好朋友的推荐作为自己选择商品的重要依据一样。也就是说，协同过滤推荐算法会基于其他兴趣相同的用户对某个产品的评价向目标用户推荐产品。协同过滤推荐算法是至今为止被应用的最广泛的推荐算法，且已经被应用到了很多领域当中。;基于用户的协同过滤算法也称为基于记忆的算法，主要利用整个用户-产品评价数据进行推荐，首先寻找与目标用户具有相同爱好的用户（以下简称为“邻居用户”），利用邻居用户选择的产品为目标用户推荐产品。该算法根据两个用户对同一产品打分的相似程度计算他们之间的“距离”，如果用户A和用户B都对一个电影给出了5分的成绩，那么他们之间的距离是0；如果用户A给5分而用户B给3分，那么他们之间的距离就变大了。该算法用这种方式计算出品味比较相似的用户。该算法的缺点是很难形成有意义的邻集，两用户之间选择的相同产品很少，且大部分用户的共同选择对象都是一些热门产品，比如近期上映的大片，这样的产品对于推荐来说并没有很强的指导作用。同时，用户的动作随时都在变化，根据用户的选择来推荐产品会使系统的计算负荷过大。; 基于项目的协同过滤算法也称为基于模型的算法，通过将用户-产品评价数据建模，根据建模结果进行推荐。这类算法包括：聚类算法、降维算法、潜在类型模型算法、其他基于模型的算法。该算法计算两个产品之间的相似度，这些产品可以是电影、书、音乐、服装等所有互联网中能够找到的商品，再将相似度较高的产品推荐给相关用户。由于产品之间的关系较用户关系来说相对稳定，所以计算负荷也小于基于用户的协同过滤算法。;协同过滤推荐算法具有以下几个优势：;同时，协同过滤推荐算法也具有以下几个不足：;基于网络结构的推荐算法是从二部图网络的角度出发，用基于复杂网络的方法挖掘用户与产品之间隐藏的信息。简而言之，就是用分布在网络中的两类不同结点分别代表用户和产品，以此为基础，根据复杂网络的一些性质进行算法演化。经过实验证明，该类算法与传统算法相比，无论在精度上还是在复杂度上都具有较大的优势