1、隨著Internet的迅速發(fā)展，電子商務(wù)蓬勃興起。電子商務(wù)站點(diǎn)在為用戶提供越來越多選擇的同時(shí)，其結(jié)構(gòu)也變得更加復(fù)雜，電子商務(wù)的發(fā)展面臨了新的挑戰(zhàn)：一方面，用戶對(duì)站點(diǎn)提供的眾多產(chǎn)品信息并非完全感興趣，通常需要經(jīng)過多次瀏覽才能找到滿足自己需求的產(chǎn)品：另一方面，站點(diǎn)沒有了解用戶的個(gè)人需求，提供給用戶的是千篇一律的界面，無法有效地提高其產(chǎn)品的吸引力，維護(hù)穩(wěn)定的客戶關(guān)系。向用戶進(jìn)行個(gè)性化的產(chǎn)品推薦是解決這個(gè)挑戰(zhàn)的最有效的方法。協(xié)同過濾是目前在電子

2、商務(wù)推薦系統(tǒng)中應(yīng)用較為成功的個(gè)性化推薦技術(shù)。但是隨著站點(diǎn)結(jié)構(gòu)、內(nèi)容的復(fù)雜度和用戶人數(shù)的不斷增加，協(xié)同過濾算法也遇到了數(shù)據(jù)稀疏性、冷啟動(dòng)等種種問題。 本課題針對(duì)傳統(tǒng)協(xié)同過濾的不足，提出了一種結(jié)合用戶日志聚類和協(xié)同過濾的個(gè)性化推薦技術(shù)。該技術(shù)充分挖掘用戶的信息，結(jié)合用戶隱性興趣和顯性興趣，推薦結(jié)果更符合用戶需求。首先基于用戶瀏覽電子商務(wù)站點(diǎn)的日志信息，使用聚類算法將用戶歸類。然后，在協(xié)同過濾過程中，利用用戶的潛在偏好代替用戶顯性評(píng)分

3、，從而消除用戶評(píng)分習(xí)慣的影響。最后，在用戶日志聚類結(jié)果的基礎(chǔ)上，使用基于用戶的潛在偏好協(xié)同過濾，從而使得用戶的數(shù)據(jù)稀疏性問題、冷啟動(dòng)問題得到緩解，提高了推薦的質(zhì)量。在具體的研究過程中，本論文所作的主要工作如下： (1)用戶日志聚類。先將原始的用戶Web日志進(jìn)行數(shù)據(jù)預(yù)處理，根據(jù)需要將其轉(zhuǎn)換成適合進(jìn)行分析處理的有意義的數(shù)據(jù)，然后使用聚類算法把有相似瀏覽行為的用戶聚成一類，為下文的最近鄰尋找工作奠定基礎(chǔ)。 (2)基于用戶潛在偏

4、好的協(xié)同過濾。為了避免用戶評(píng)分習(xí)慣不一致，相似興趣的用戶可能會(huì)有不同的表面評(píng)分的問題，本論文將用戶的表面評(píng)分轉(zhuǎn)換成用戶潛在偏好，計(jì)算用戶的潛在偏好相似性，使得最近鄰的形成更為準(zhǔn)確。 (3)結(jié)合用戶日志聚類和協(xié)同過濾的推薦技術(shù)。這種混合的推薦技術(shù)可以先離線的對(duì)用戶進(jìn)行了一次聚類，在進(jìn)行協(xié)同過濾時(shí)能有效的降低用戶稀疏性，提高推薦系統(tǒng)的推薦速度和質(zhì)量。并且這種推薦技術(shù)還可以針對(duì)評(píng)分較少甚至沒有評(píng)分的用戶進(jìn)行推薦，在一定程度上彌補(bǔ)了傳統(tǒng)