基于協(xié)同過濾及關聯(lián)規(guī)則的混合推薦算法研究.pdf

1、隨著Internet的快速發(fā)展，互聯(lián)網的廣泛應用與普及，我們進入了高速信息和電子商務的時代。互聯(lián)網的數據量逐漸膨脹，以互聯(lián)網為基礎的電子商務企業(yè)的規(guī)模也在不斷擴增，商品的種類和數量都處于高速增長時期，無論是對電子商務企業(yè)還是個人都產生了重大的影響。
　　在互聯(lián)網經濟體系中，顧客很難在短暫的時間內迅速檢索到自己所需要的信息、服務或物品。這種充斥在互聯(lián)網中的與自己需求無關的大量信息會使用戶迷失（資源迷向），使顧客花費大量的時間進行檢索

2、排查，最終導致客戶群的流失。因此，智能化的個性化推薦算法是非常必要的。它被提出來幫助互聯(lián)網企業(yè)解決信息過載以及客戶流失的問題。個性化的推薦系統(tǒng)是在對海量數據進行挖掘的基礎上建立的一種高級商務智能平臺，以此幫助電商為其顧客購物提供完全個性化的決策支持和推薦服務，將顧客潛在的興趣挖掘出來，并轉變?yōu)殇N售量的增長與盈利。不過，個性化的推薦系統(tǒng)也衍生了較多的問題，如推薦結果的覆蓋率過于狹窄，實時性不高，準確性低等。為了解決上述問題，本文對基于用戶

3、的協(xié)同過濾和基于強關聯(lián)規(guī)則的混合推薦算法進行了重點研究，并通過實驗驗證了采用本文提出的推薦算法的推薦結果的可靠性與準確性。
　　合理的推薦算法在推薦系統(tǒng)的應用的中處于核心地位，它同推薦系統(tǒng)輸出結果的好壞密切相關。本文針對推薦算法提出了一種基于用戶的協(xié)同過濾算法的GRNN神經網絡優(yōu)化技術，它不但可以解決協(xié)同過濾算法引起的一系列問題，例如數據稀疏性問題等，還可以提升推薦系統(tǒng)的工作效率，優(yōu)化推薦輸出結果的質量，提升用戶滿意度，使算法的應

4、用范圍更加廣泛?；趶婈P聯(lián)規(guī)則的推薦算法中支持度與置信度的閾值選擇十分重要，因此通過改進遺傳算法優(yōu)化置信度與支持度的閾值，以此來優(yōu)化推薦結果的質量。
　　最后，本文結合基于用戶的協(xié)同過濾算法及基于強關聯(lián)規(guī)則的推薦算法的優(yōu)點，并且為了彌補各自的不足，提出采用基于兩種基本算法改進后的混合個性化推薦算法。最后，將實際天貓用戶的數據集作為本算法仿真的數據來源，設計三個實驗，以此來比較基于用戶的協(xié)同過濾算法，基于強關聯(lián)規(guī)則的推薦算法及混合推