论文网
电子商务相关论文范本,与基于用户兴趣模型的电子商务网站推荐技术比较相关论文格式模板
本论文是一篇电子商务相关论文格式模板,关于基于用户兴趣模型的电子商务网站推荐技术比较相关开题报告范文。免费优秀的关于电子商务及用户及电子商务企业方面论文范文资料,适合电子商务论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
;数据库相匹配,进而给用户推荐书籍.最近也有一些系统在人口统计信息的基础上,采用机器学习对用户分类.用户的统计信息在很大程度上代表用户模型,它使用的数据是用户个人认可的统计信息,避免了用户对于项目的评价历史数据不足的难题,并且可以发现新兴趣.其局限在于由于涉及个人隐私问题,获取较难并且也较容易失真.基于知识的推荐技术.该技术是通过推断用户的需要和偏好向用户推荐商品,在某种程度上可以将其看成一种推理技术.其重点和难点是获取知识,如关于某个项目如何满足特定用户的知识,通过这些知识推导出用户需要与某一推荐项目之间的相互关系；又如关于系统推荐的商品及其特征的知识以及一些用户的统计信息或关于其特殊需求的信息.该技术将用户需求与产品特征相关联,推断出商品与用户需要之间的匹配,用户决策时可以考虑非产品属性.
基于效用的推荐技术.该技术基于用户需要和可选集之间的匹配的评估,通过计算商品对用户的效用作出推荐.该技术的核心在于为用户创建合适的效用函数,即系统需要先得到用户对商品的效用描述,得到效用函数以后用该函数对所有的项目进行排序,取前N个推荐给目标用户.电子商务网站PersonaLog-ic2使用了该项技术.该技术的优点在于其所需数据资料是商品的特征属性数据.该技术也考虑非产品属性,如供应商的可靠性、产品的可用性等,这样用户在选择商品时,就可以考虑一些非产品本身属性诸如到货时间等因素.
基于关联规则的推荐技术.该技术是根据关联规则对项目进行排序,进而对用户进行推荐,其关键在于关联规则的发现.其基本做法是从数据集市中获取目标顾客的已交易数据,然后利用数据挖掘工具,按照预先设定好的关联规则算法,基于关联规则建立商品关联模型,将商品按照在关联规则Rl中的置信度排序,挑选前N个商品作为算法输出,将这些商品推荐给用户浏览.使用该种推荐技术的网站应当尤其注意商品分类工作,因为商品的分类水平会影响到关联规则的质量,进而会影响顾客网上购物的结果.关联规则的典型应用如购物篮分析,可以发现顾客的购买习惯和所购商品间的关联性,有利于网站性能和经营的改进.该种推荐技术的局限性在于可能需要较长时间构建关联规则,个性化程度较低.
2.3 推荐技术的比较
电子商务站点为满足用户个性化服务的需求,多数在其电子商务站点中或多或少地采用如上的推荐技术,然而每一种推荐技术均有其优缺点,见表1.
表1中,所谓冷开始问题指一个没有或未得到足够评价的新商品或得不到推荐.新用户问题指推荐系统对用户分类是依据目标用户与其他用户基于其评价的比较,而对做出较少评价的用户群(如新用户)难以进行分类.可以看到,每种推荐技术都存在一定的缺陷,但是不同推荐技术之间可以互补.3适应于电子商务环境的混合推荐技术
在现有的推荐系统中,用户兴趣模型基本可以有效表达用户的需求,但当用户兴趣发生变化时,却不能动态调整用户兴趣模型.电子商务企业应用推荐技术时,必须充分考虑用户因素.较理想的推荐技术应当具备以下几个特点：①应当能够为匿名、临时随机浏览的用户以及新用户提供推荐内容；②应当可以实现跨类型推荐,应该使用图片等多媒体信息和关 键 词相结合的推荐内容；③应该可以动态学习用户兴趣的变化,动态更新用户兴趣模型,实时更新用户推荐.这就需要考虑采用混合推荐系统整合两种或更多的推荐技术来取得更好的推荐效果,其中必须要考虑到用户行为对于推荐结果的影响.
本文倡导采用层叠和加权的组合思路,认为可以先采用层叠方法,即先用基于关联规则的推荐方法产生一种较为粗糙的推荐结果；然后采用加权的方法,通过加权协同过滤推荐技术和基于效用的推荐技术,在第一步的结果基础上作进一步的推荐.在这整个过程中,构建用户兴趣模型的时候,应该采用显性反馈和隐性反馈相结合的方式以求用户模型的构建更有效率.基于关联规则的推荐算法不需要用户输入,对非注册用户也有效,然而该技术产生的推荐结果个性化程度低,采用协同过滤与基于效用的推荐技术相结合可以弥补这一缺陷,并且可以产生新异推荐；基于效用的推荐技术对用户兴趣的变化非常敏感,可以解决冷开始和稀疏问题,恰好与协同过滤推荐技术构成互补.各个不同的网站可以根据实际情况确定自己的加权系数.
4 结语和展望
除推荐效果有待提高外,电子商务站点的推荐技术仍存在诸多问题亟待解决,如收集用户信息过程中的用户个人隐私以及用户信息安全问题、用户模型的自适应问题等,都需要进行研究.从用户兴趣模式的表达上来看,运用语义分析技术和关 键 词分析技术有望达到更好的系统性能；电子商务系统也在逐渐从现在的单用户个性化推荐为主向支持多用户推荐的方向发展.在这方面,网格计算可以给多用户推荐技术提供良好的解决途径.此外,Web使用挖掘技术也为个性化推荐技术的用户兴趣模型构建提供了更好的途径.随着电子商务站点以客户为中心,基于用户兴趣模型的推荐技术的发展,电子商务必定会更加繁荣发展.
电子商务相关论文范本,与基于用户兴趣模型的电子商务网站推荐技术比较相关论文格式模板参考文献资料：