基于用户购买记录挖掘的改进协同过滤推荐研究

《基于用户购买记录挖掘的改进协同过滤推荐研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号￡旦31UDC005密级公五编号!Q2塑S!!地Q塑@江。藩大擎硕士学位论文基于用户购买记录挖掘的改进协同过滤推荐研究ResearchonImproVedCoUaboratiVeF¨teringRecommendationBasedOnUsers’PurchaseRecordsMining指导教师一鱼查世教援作者姓名塞墨赵申请学位级别亟±专业名称全些笪堡论文提交日期2Q!垒生当旦论文答辩日期2Q!垒生鱼旦学位授予单位和日期塑菱丕堂2Q!垒生鱼旦答辩委员会主席评阅人20l4年6月独创性声明本人郑重声明：所

2、呈交的学位论文，是本人在导师的指导卜，独立进行研究工作所取得的成果。除文中己注明引用的内容以外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：溺}1年6目?‘日嬲菊江苏大学学位论文版权使用授权书本学位论文作者完全J，解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权江苏大学可以将本学位论文的全部内容或

3、部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于学位论文作者签名：保密口在年解密后适用本授权书。，／不保密砂劢心年g月嘭日指导教师签名：／【刁砂丽年月同江苏大学硕士学位论文摘要现今的电子商务网站产生大量的、无序的数据信息，包括用户信息、产品信息、订单信息、web浏览记录、购买记录和评分记录等。然而电子商务推荐系统是网站管理员根据以往的经验进行推荐，导致推荐的页面相似、无创新之处，网站的用户无法在海量的数据中快速找到自己需要的商品，因此基于数据挖掘的协同过滤

4、推荐系统应运而生。本文引入购买记录挖掘、改进的相似性计算方法一绝对值倒数法和购买商品之间的关联规则等概念，对传统的协同过滤算法进行改进，提高算法的精确性。从而构建采用购买记录挖掘的改进推荐系统，提高推荐的质量。具体的研究工作包括：(1)在传统算法的基础上，引入购买记录挖掘、绝对值倒数法和商品关联规则等对算法进行改进。考虑到数据稀疏性，使用购买记录进行挖掘。购买记录多于评分记录，凶此使用购买记录进行挖掘缓解了数据稀疏性，且购买记录更加真实可靠，提高算法的精确性。与web浏览记录挖掘相比，购买记录挖掘的用户偏好更

5、加客观真实，推荐结果更加精确。使用绝对值倒数法对相似性计算方法进行改进，避免传统方法的缺陷和不足，提高算法的精确性。结合购买商品的关联规则挖掘，寻找购买商品之问的关联规则，确定与目标用户己购买商品存在关联规则的最近邻邻居，进行推荐，提高算法的精确性。并设计改进算法的具体实现过程和详细实现步骤。(2)将绝对值倒数法与修正的余弦相似性、Pearson相关系数等传统方法进行比较，证明绝对值倒数法的精确性较高。在购买记录挖掘的基础上，将改进算法与传统算法进行比较，使用平均绝对值误差、平均平方误差和标准平均绝对值误差等

6、指标进行实验，证明改进算法的有效性和优越性。(3)将验证后的改进算法应用于改进推荐系统的构建，进行关联规则的离线挖掘和征线实时推荐，没汁改进的推荐系统工作流程，并将其应用于客户关系管理、营销策略等管理实践过程中。关键词：购买记录：⋯一J过滤；购买数量；关联规则；推荐基于用户购买记录挖掘的改进协同过滤推荐研究江苏大学硕士学位论文ABSTRACTNowadays，E—commercewebsitesproducenumbersofdisorderdatainf0肌ation，includinguserinfoml

7、ation，productinfonllation，orderinfoⅡnation，webbrowsingrecords：users’purchaserecordsandusers’ratingrecordsetc．Ho、veVer，thee-commercerecommendationsystemsrecommendbasedonthepastexperiencebythewebmanagers，resultthattherecommendpagesaresimilarandnoinnoVation，us

8、erscan’tnndthegoodstheyreallyneedquicklyinmassiVedata．Thuseme玛esthecollaboratiVefjlteringrecommendationsystembasedondataminingThepaperintroducesconceptofpurchaserecordmining，improVedsimilaritymethod—th