目录
第一章绪论 (1)
1.1研究背景、意义 (1)
1.2推荐系统国内外研究现状 (2)
1.2.1推荐系统国内外发展现状 (2)
1.2.2个性化推荐算法的研究现状 (3)
1.3论文的主要内容和组织结构 (5)
1.3.1论文的主要内容 (5)
1.3.2论文结构安排 (5)
第二章推荐系统的研究 (7)
2.1个性化推荐系统概述 (7)
2.1.1推荐系统的定义 (7)
2.1.2推荐系统的体系结构 (7)
2.2推荐算法分析比较 (10)
2.2.1信息检索 (10)
2.2.2基于内容的推荐技术 (10)
2.2.3基于关联规则的推荐技术 (12)
2.2.4基于协同过滤的推荐技术 (13)
2.2.5组合推荐技术 (13)
2.2.6各种推荐技术的比较 (14)
2.3本章小结 (15)
第三章协同过滤推荐研究及局限 (17)
3.1协同过滤算法 (17)
3.1.1协同过滤的计算过程 (17)
3.1.2协同过滤算法的分类 (19)
3.1.3基于用户的协同过滤算法 (20)
3.1.4基于项目的协同过滤算法 (21)
3.1.5基于用户和基于项目的协同过滤的比较 (22)
3.1.6协同过滤算法的复杂度 (23)
3.2协同过滤相似度的改进 (23)
3.2.1小交集问题 (23)
3.2.2重视时间因素 (24)
III
3.2.3改进的相似度计算方法 (24)
3.3协同过滤算法存在的问题 (25)
3.3.1冷启动问题 (25)
3.3.2评分矩阵数据稀疏性问题 (26)
3.3.3可扩展性问题 (26)
3.4本章小结 (26)
第四章基于矩阵分解的协同过滤算法研究 (27)
4.1奇异值分解模型 (27)
4.1.1传统的SVD模型 (27)
4.1.2SVD模型的缺点 (28)
4.2隐语义模型 (28)
4.2.1传统的隐语义模型 (30)
4.2.2基于偏置的隐语义模型 (31)
4.3算法复杂度的比较 (32)
4.4结合矩阵分解模型与协同过滤算法 (32)
4.4.1SVDUserKNN算法描述 (32)
4.4.2LFMUserKNN算法描述 (34)
4.5本章小结 (36)
第五章实验设计和结果验证分析 (37)
5.1实验数据集 (37)
5.1.1推荐系统用到的数据集 (37)
5.1.2论文实验数据集 (38)
5.2实验设计 (38)
5.2.1实验的运行环境 (38)
5.2.2对比实验的度量指标 (38)
5.2.3实验过程 (39)
5.3实验结果分析 (40)
5.4本章小结 (44)
第六章总结与展望 (45)
6.1本文工作回顾 (45)
6.2成果及意义 (45)
6.3展望 (45)
参考文献 (47)
致谢 (51)
IV
第一章绪论
1.1研究背景、意义
伴随着互联网的迅速发展和普及，计算机技术尤其是计算机网络技术在很大范围内得到了应用，网络已经与大部分人的生活密不可分。近些年随着电子商务的快速发展，使得人们在了解商务信息变得更为简单。然而，由于商业网站的迅速发展，网络数据以指数级的速度迅速膨胀，这直接导致信息过载现象愈演愈烈。在海量的网络数据信息中，用户应如何选择自己有兴趣的信息变的愈发困难。信息过载的问题可以通过使用传统的信息检索技术得到某种程度的解决，但是这种技术无法根据消费者的兴趣偏好提供其感兴趣的信息，对于每个用户它返回的推荐信息都是相同的。所以，怎样使用户能够快捷的在海量信息中找到自己所关注的信息，是一个急待解决的课题。个性化推荐技术在这种背景下被研究者提出。
个性化推荐技术的概念是在20世纪90年代首次产生并逐渐流行起来[1][2]。由于近些年电子商务平台发展迅速，而个性化推荐系统是电子商务中非常重要的一个组成部分，于是各式各样的个性化推荐系统就不断出现在人们的视野中。当前，Amazon、淘宝网、京东、豆瓣等国内外所各大型电子商务网站，基本都在使用各式各样的个性化推荐系统。推荐系统一般应用其他相似领域的方法和技术，例如人机交互和信息检索。大多数的推荐系统的核心算法可以理解为数据挖掘技术的一个特例。个性化推荐系统自主协调不同用户的个性化需求以提供决策支持，它为电子商务商家带来巨大商机的同时也大量节省了用户的宝贵时间，为商家和用户创造了一种良好的双赢局面。
个性化推荐系统是依据用户的历史访问日志或者用户的特征资料来分析用户的偏好，从而实现电子商务一对一的有针对性个性化服务，推荐符合用户兴趣的项目。另外，个性化推荐系统为用户做出的推荐是随着用户信息的变化而不断变化的，也就是说当用户的浏览行为或者系统中关于用户的资源信息发生变化时，推荐系统所产生的推荐结果也应该是随之变化的。这在给用户带来很好体验的同时也使得电子商务平台提供的服务质量得到了提升。
一般来说，电子商务的推荐系统提高销售水平的方式主要表现在以下几个方面：
1)将随意访问网站的用户转变为潜在的消费者
在电子商务平台中，大部分访问者刚开始可能只是被网站的界面所吸引，浏览一
1