基于Web數(shù)據(jù)挖掘的個(gè)性化推薦系統(tǒng)研究.pdf

1、隨著互聯(lián)網(wǎng)發(fā)展和電子商務(wù)規(guī)模不斷的擴(kuò)大，信息過(guò)載問(wèn)題日益的嚴(yán)重。個(gè)性化推薦系統(tǒng)是一種解決信息過(guò)載問(wèn)題的有效方法，它能夠主動(dòng)的去為用戶推薦個(gè)性化信息并動(dòng)態(tài)的根據(jù)用戶需求做出調(diào)整?，F(xiàn)在個(gè)性化推薦系統(tǒng)已經(jīng)成為電子商務(wù)系統(tǒng)不可或缺的一部分。
　　本文首先對(duì)web數(shù)據(jù)挖掘和個(gè)性化推薦相關(guān)技術(shù)做了研究，并對(duì)個(gè)性化推薦系統(tǒng)存在的不足做了分析。針對(duì)個(gè)性化推薦系統(tǒng)冷啟動(dòng)和矩陣稀疏的問(wèn)題，采用Web數(shù)據(jù)挖掘的方法對(duì)用戶收藏、瀏覽或產(chǎn)生關(guān)聯(lián)的商品進(jìn)行隱

2、式評(píng)分，同時(shí)提出了一種基于K-means聚類和SVD降維的混合協(xié)同過(guò)濾方法。通過(guò)實(shí)驗(yàn)對(duì)比分析，發(fā)現(xiàn)改進(jìn)后的協(xié)同過(guò)濾方法不僅緩解了冷啟動(dòng)和矩陣稀疏的問(wèn)題，在推薦精度方面也得到了改善。針對(duì)個(gè)性化推薦系統(tǒng)推薦漂移問(wèn)題，提出了一種基于時(shí)間遺忘函數(shù)的數(shù)據(jù)加權(quán)方法，構(gòu)建能夠反映出用戶興趣變化的評(píng)分機(jī)制，加權(quán)后的評(píng)價(jià)信息更符合人的遺忘規(guī)律，推薦算法也會(huì)根據(jù)用戶興趣變化智能的做出調(diào)整，在一定程度上緩解了用戶興趣偏移的問(wèn)題。最后，對(duì)基于Web數(shù)據(jù)挖掘的個(gè)