基于用戶(hù)瀏覽軌跡的商品推薦方法研究.pdf

1、隨著電子商務(wù)網(wǎng)站迅速發(fā)展，推薦系統(tǒng)在這些網(wǎng)站中得到了廣泛的應(yīng)用。目前應(yīng)用最廣泛的個(gè)性化推薦算法是協(xié)同過(guò)濾推薦算法，但是此方法存在稀疏矩陣與冷啟動(dòng)問(wèn)題。基于用戶(hù)瀏覽記錄來(lái)預(yù)測(cè)用戶(hù)偏愛(ài)是緩解這些問(wèn)題的一個(gè)重要研究方向。根據(jù)用戶(hù)在電子商務(wù)網(wǎng)站的訪(fǎng)問(wèn)日志，提取出用戶(hù)的瀏覽序列，即用戶(hù)瀏覽軌跡，然后以用戶(hù)瀏覽軌跡為基礎(chǔ)，挖掘用戶(hù)偏愛(ài)，并建立偏愛(ài)模型，為用戶(hù)推薦偏愛(ài)商品，解決因?yàn)槿鄙贇v史購(gòu)買(mǎi)及評(píng)分記錄引起的冷啟動(dòng)問(wèn)題。
　　目前通過(guò)分析用戶(hù)瀏

2、覽軌跡為用戶(hù)推薦商品的方法主要從瀏覽軌跡中商品與下一個(gè)商品關(guān)系角度出發(fā)考慮，而本課題從瀏覽軌跡中被瀏覽商品與最終被購(gòu)買(mǎi)商品關(guān)系角度出發(fā)，提出兩種推薦方法，一種基于購(gòu)買(mǎi)轉(zhuǎn)移關(guān)系，另一種基于商品特征趨勢(shì)?；谫?gòu)買(mǎi)轉(zhuǎn)移關(guān)系的推薦方法，依據(jù)瀏覽軌跡中商品與最終被購(gòu)買(mǎi)商品轉(zhuǎn)移關(guān)系，同時(shí)考慮用戶(hù)瀏覽軌跡與購(gòu)買(mǎi)記錄的時(shí)效性，對(duì)過(guò)時(shí)數(shù)據(jù)采用衰減策略，另外考慮瀏覽軌跡中商品的順序，對(duì)軌跡中瀏覽距離不同轉(zhuǎn)移關(guān)系應(yīng)用不同的權(quán)重，構(gòu)建購(gòu)買(mǎi)轉(zhuǎn)移概率模型，向用戶(hù)推

3、薦商品;基于商品特征趨勢(shì)的推薦方法根據(jù)商品特征屬性統(tǒng)計(jì)用戶(hù)瀏覽軌跡中商品特征趨勢(shì)，構(gòu)建Markov特征趨勢(shì)模型，當(dāng)新用戶(hù)在線(xiàn)瀏覽商品時(shí)，根據(jù)Markov特征趨勢(shì)模型和用戶(hù)當(dāng)前瀏覽軌跡中可變商品特征預(yù)測(cè)用戶(hù)偏愛(ài)商品的特征集，查找最符合這些特征的商品推薦給當(dāng)前用戶(hù)，該方法也同時(shí)考慮歷史數(shù)據(jù)的時(shí)效性和特征集在瀏覽軌跡中的順序性。
　　實(shí)驗(yàn)證明，這兩種方法相對(duì)于已有的基于用戶(hù)瀏覽路徑的方法有較好改進(jìn)，都取得了比較好的推薦效果，提高了推薦算