论文部分内容阅读
随着互联网技术的快速发展，电子商务走进人们生活的方方面面，我们在购物、看电影、查阅资料等方面都可以用到电子商务，电子商务推荐系统也为用户和企业带来了很大的便利，协同过滤推荐是电子商务推荐系统中应用最广泛的个性化推荐技术。但是随着网站使用人数、网站商品种类和数量的增多，给电子商务推荐系统带来了挑战，目前协同过滤推荐系统中存在的稀缺性和冷启动问题严重影响着推荐商品的准确性。 本文首先对电子商务推荐系统进行了研究，详细介绍了它的概念、发展和意义，对电子商务推荐系统的研究概况、研究内容做了深入全面的分析，并且对推荐系统的三个模块进行了介绍。然后又对电子商务推荐系统中应用最为普遍的协同过滤推荐系统进行了介绍和分析，详细介绍了协同过滤推荐算法的原理，就协同过滤推荐在应用中出现的稀缺性问题和冷启动问题进行了研究，首先通过项目类别运用相似性算法找到目标用户的邻居用户，采用slope one算法对矩阵的缺失值进行填充，解决了稀疏性和冷启动的问题，并且在一定程度上提高了填充数据的准确性，然后再基于用户属性特征的不同运用相似性算法，计算出目标用户的预测评分，并且生成推荐结果。本文最后对该算法进行了实验验证，证明了该改进的方法对于解决数据稀疏性和冷启动问题确实有一定效果，并且在一定程度上提高了推荐结果的准确性。