论文部分内容阅读
随着近些年来城市的高速发展,新兴产业不断出现,计量检测行业的应用领域也变得越来越广泛。在传统的计量检测行业服务过程中,客户通过自己的主观意向和服务人员的人工推荐来选择自己需要的计量服务。这种方法在客户需求较为明确时快捷有效。然而,当客户对自己的需求不明确时,传统的人工推荐方法就显得捉襟见肘。本文根据计量行业客户群体和业务的特点,结合了经典的协同过滤推荐算法和隐语义模型推荐算法,提出并设计了针对计量行业客户的计量行业服务个性化推荐系统。本文主要内容如下:1、针对计量行业客户数据较为稀疏的问题,提出了基于用户聚类和协同过滤的个性化推荐方法。该方法通过在已有的客户-服务偏好数据中,加入客户的行业和计量服务的类别这些宏观信息。利用K-means聚类算法对客户数据进行分簇计算,降低最近邻的搜寻范围,从而缩短最近邻的计算时间。再对簇内客户数据分别构建客户-服务偏好矩阵和客户-服务类别偏好矩阵,计算目标客户的最近邻居集。最后,使用基于用户的协同过滤算法实现每个客户的个性化推荐。2、针对计量行业的隐式偏好数据较多的问题,提出了基于隐语义模型的计量行业个性化推荐方法。该方法在经典隐语义模型的基础上,加入了计量行业客户的属性信息,通过逻辑回归分类算法来度量每个属性的重要性,根据客户的属性信息找出相似用户。通过设置权值的方式,优化客户的偏好值预测公式。该方法在客户历史行为数据不足时可以利用客户的属性信息来进行推荐,当客户历史行为数据越来越多时,则逐渐过渡到利用客户的历史行为数据进行推荐。通过加入的客户属性信息,解决新客户的冷启动问题,提高系统的可扩展性。3、设计并实现了一个针对福建省计量行业客户的个性化推荐系统。根据客户和管理员的需求对系统进行需求分析,并通过用例图的方式对用户所需的功能进行直观的描述。在对系统实际需求进行全面满足的基础上,采取科学的方式进行系统功能的设计实现。首先,针对本系统的实际情况合理的进行概要设计操作,然后从前后台两个角度完成了系统的详细设计,详细描述了系统主体框架设计方案,并给出系统相应的关键模块流程图。系统数据库是利用PowerDesigner数据库建模工具实现的。最后,对实现环境和部分主要模块的实现效果图简要的概述。本文采用福建省计量科学院提供的计量客户历史送检数据作为实验数据集,对提出的方法进行实验分析。实验结果表明:本文提出的推荐方法能够在数据稀疏且以隐式反馈数据为主的计量行业客户历史数据集上有较高的推荐准确率。