基于位置服務(wù)的商場推薦系統(tǒng)研究與應(yīng)用.pdf

1、目前商場購物模式仍然是主流的商業(yè)銷售模式之一，研究商場環(huán)境下的客戶移動服務(wù)，成為商場競爭的核心能力。本文提出了一種基于位置服務(wù)的商場購物推薦系統(tǒng)，以提升對客戶的個性化服務(wù)能力，提供精準服務(wù)。
　　本文首先對商場推薦系統(tǒng)的需求進行詳盡地分析，闡述了移動環(huán)境下商場推薦系統(tǒng)具備用戶位置移動性、短期興趣敏感、推薦準確度高等要求，提出了基于位置服務(wù)的商場推薦系統(tǒng)的設(shè)計方案。該方案中將用戶位置信息作為一個新的維度引入到本文的推薦模型中，形成“

2、用戶-商品-位置”的三維推薦模型，并通過語義位置來改善傳統(tǒng)推薦模型在移動環(huán)境下的不足。著重對基于位置服務(wù)的推薦算法進行研究。該算法首先采用空間密度聚類算法對用戶位置軌跡點進行聚類分析，獲取用戶感興趣的位置區(qū)域集合，結(jié)合商場的商品分類信息和位置信息把用戶的地理位置轉(zhuǎn)換成商場的語義位置。然后，通過語義位置相似度算法對不同用戶的語義位置向量進行劃分。然而不優(yōu)化的推薦方法計算量大且精準度不高，本文采用基于位置服務(wù)的推薦方法實現(xiàn)對目標用戶的協(xié)同評

3、分矩陣進行過濾，使得協(xié)同評分矩陣的用戶相似度更高從而提高精確度，同時減小了計算規(guī)模。該方法主要通過商場的空間語義位置關(guān)系來計算用戶間語義位置向量的相似度，修正用戶評分矩陣。接著對修正評分矩陣采用評價偏好處理，判斷用戶對商品的評分趨勢和商品被評分的趨勢來改善評分矩陣稀疏等問題，進一步修正評分矩陣。最后，采用協(xié)同過濾算法對用戶評分矩陣進行相似性計算并進行排序產(chǎn)生和目標用戶最相鄰的K個鄰居用戶，通過最近鄰居用戶產(chǎn)生待推薦商品集合，并通過網(wǎng)絡(luò)向