基于加權興趣度的協(xié)同過濾算法研究.pdf

1、互聯(lián)網的應用推廣以及由此帶來的便捷信息傳遞和信息服務，使電子商務在迅速發(fā)展、狀大的同時也產生了信息超載現象。用戶面對大量的商品信息，想要方便、快捷地找到自己感興趣的商品成為了一個難題。為了解決這個困境，電子商務的推薦系統(tǒng)便應運而生。電子商務個性化推薦系統(tǒng)的出現，為用戶疏通了一個Web商品信息過載的難題，因為推薦系統(tǒng)承擔起了識別客戶消費興趣，模擬傳統(tǒng)銷售人員向客戶提供有關商品信息和建議的職責，為客戶有效、方便地完成購買過程提供了實際、有效

2、的幫助，從而使網購客戶感受個性化服務所帶來的快捷、時尚與便利。
　　在眾多的推薦技術中，協(xié)同過濾推薦技術是目前為止最為成功的個性化推薦技術。但該算法面臨的冷啟動、稀疏性等技術性問題對協(xié)同過濾技術的實效應用產生了影響，許多研究旨在攻克和解決這個問題。本文也對電子商務個性化推薦應用系統(tǒng)中的協(xié)同推薦算法，和應用相關的數據挖掘等關鍵技術，進行了有益的探索性研究。引入了“加權興趣度”和“事物本體模型”來挖掘用戶的興趣度，提出了基于加權興趣度