个性化推荐系统.doc全文

个性化推荐系统提供个性化电影选择 #生活乐趣# #生活质量# #文化生活# #电影文化#

个性化推荐系统（Personalized Recommender Systems） ==个性化推荐系统简介== 　　个性化推荐是根据用户的兴趣特点和[[购买行为]]，向用户推荐用户感兴趣的[[信息]]和[[商品]]。随着[[电子商务]]规模的不断扩大，商品个数和种类快速增长，[[顾客]]需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和[[产品]]过程无疑会使淹没在信息过载问题中的[[消费者]]不断流失。为了解决这些问题，个性化推荐系统应运而生。 　　个性化推荐系统是建立在海量[[数据挖掘]]基础上的一种高级[[商务智能]]平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和[[信息服务]]。购物网站的推荐系统为[[客户]]推荐商品, 自动完成个性化选择商品的过程, 满足客户的个性化需求, 推荐基于: * 网站最热卖商品 * 客户所处城市 *客户过去的购买行为和购买记录, 推测客户将来可能的购买行为 　　在电子商务时代, 商家通过购物网站提供了大量的商品, 客户无法一眼通过屏幕就了解所有的商品,也无法直接检查商品的[[质量]]. 所以,客户需要一种电子购物助手,能根据客户自己的兴趣爱好推荐客户可能感兴趣或者满意的商品 　　 ==个性化推荐系统的发展历程== 　　1995年3月，卡耐基.梅隆大学的Robert Armstrong等人在美国[[人工智能]]协会上提出了个性化导航系统Web Watcher; [[斯坦福大学]]的Marko Balabanovic等人在同一会议上推出了个性化推荐系统LIRA； 　　1995年8月，[[麻省理工学院]]的Henry Lieberman在国际人工智能联合大会（IJCAI）上提出了个性化导航智能体Litizia； 　　1996年， [[Yahoo]] 推出了个性化入口My Yahoo； 　　1997年，[[ATT]]实验室提出了基于协同过滤的个性化推荐系统PHOAKS和Referral Web; 　　1999年，德国Dresden技术大学的Tanja Joerding实现了个性化电子商务原型系统TELLIM； 　　2000年，[[NEC]]研究院的Kurt等人为[[搜索引擎]]CiteSeer增加了个性化推荐功能； 　　2001年，[[纽约大学]]的Gediminas Adoavicius和Alexander Tuzhilin实现了个性化电子商务网站的用户建模系统1：1Pro； 　　2001年，[[IBM公司]]在其电子商务平台Websphere中增加了个性化功能，以便商家开发个性化电子商务网站； ==个性化推荐系统的算法== 　　电子商务推荐系统的主要算法有： 　　（1） 基于关联规则的推荐算法（Association Rule-based Recommendation） 　　（2） 基于内容的推荐算法 (Content-based Recommendation) 　　内容过滤主要采用自然语言处理、人工智能、概率[[统计]]和机器学习等技术进行过滤。 　　通过相关特征的属性来定义[[项目]]或对象,系统基于用户评价对象的特征学习用户的兴趣,依据用户资料与待[[预测]]项目的匹配程度进行推荐，努力向客户推荐与其以前喜欢的产品相似的产品。如新闻组过滤系统News Weeder。 　　基于内容过滤的系统其优点是简单、有效。其缺点是特征提取的能力有限，过分细化，纯基于内容的推荐系统不能为客户发现新的感兴趣的[[资源]],只能发现和客户已有兴趣相似的资源。这种方法通常被限制在容易分析内容的商品的推荐，而对于一些较难提取出内容的商品，如音乐CD、电影等就不能产生满意的推荐效果。 　　（3） 协同过滤推荐算法 （Collaborative Filtering Recommendation） 　　协同过滤是在信息过滤和[[信息系统]]中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同，协同过滤分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测。 　　与传统文本过滤相比，协同过滤有下列优点: 　　1）能够过滤难以进行机器自动基于内容分析的信息。如艺术品、音乐; 　　2）能够基于一些复杂的，难以表达的概念（信息质量、品位)进行过滤; 　　3）推荐的新颖性。 正因为如此，协同过滤在[[商业]]应用上也取得了不错的成绩。[[Amazon]]，CDNow，MovieFinder，都采用了协同过滤的技术来提高[[服务质量]]。 　　缺点是: 　　1）用户对商品的评价非常稀疏，这样基于用户的评价所得到的用户间的相似性可能不准确（即稀疏性问题）; 　　2）随着用户和商品的增多，系

网址：个性化推荐系统.doc全文 https://www.yuejiaxmz.com/news/view/335706

相关内容

个性化推荐系统的文献综述.doc 全文免费
个性化推荐系统
推荐系统详解——个性化推荐与非个性化推荐
个性化鞋类推荐系统
新闻个性化推荐系统
个性化推荐服务系统
Python推荐系统实战：构建个性化推荐系统
聊聊个性化推荐系统
图书个性化推荐系统
个性化推荐系统简述

随便看看