個(gè)性化推薦知識匯總.doc

一基于協(xié)同過濾(collaborative filtering，CF)的推薦系統(tǒng)通過收集來自其他相似用戶或項(xiàng)目的評價(jià)信息，自動預(yù)測當(dāng)前用戶的興趣偏好。協(xié)同過濾的基本假設(shè)是用戶會更喜歡那些相似用戶偏愛的商品，已被廣泛應(yīng)用在一些大型的商業(yè)系統(tǒng)，如亞馬遜和阿里巴巴等。目前，協(xié)同過濾算法主要包括基于內(nèi)存的、基于模型的以及二者相混合的推薦技術(shù)”。使用最多的模型是k最近鄰(k-nearest neighbor，kNN)協(xié)同過濾技術(shù)，包括基于用戶推薦和基于項(xiàng)目推薦兩種技術(shù)。一般說來，本體描述了某個(gè)應(yīng)用領(lǐng)域的概念和概念之間的關(guān)系，使得它們具有唯一確定的含義，獲得該領(lǐng)域的相關(guān)知識，提供對該領(lǐng)域知識的共同理解，便于用戶和計(jì)算機(jī)之間進(jìn)行交流。OntoECRec推薦模型二1995年，卡內(nèi)基梅隆大學(xué)的ARDben等人在美國人工智能協(xié)會上提出了個(gè)性化導(dǎo)航系統(tǒng)we-watcher，真正標(biāo)志著個(gè)性化服務(wù)的開始；1997年3月，(communications of the AcM)。組織了個(gè)性化推薦系統(tǒng)的專題報(bào)道，標(biāo)志著個(gè)性化服務(wù)已經(jīng)被技術(shù)界高度重視；1999年，德國Dresden技術(shù)大學(xué)的JTania實(shí)現(xiàn)了個(gè)性化電子商務(wù)原型系統(tǒng)TELLIM，標(biāo)志著個(gè)性化服務(wù)開始向全球發(fā)展；2000年，NEc研究院的DBKurt等人為搜索引擎atesecr增加了個(gè)性化推薦功能，實(shí)現(xiàn)citeseer的個(gè)性化。2001年，紐約大學(xué)的GediminaS Adomavicius和Alexander Tuzhilin實(shí)現(xiàn)了個(gè)性化電子商務(wù)網(wǎng)站的用戶建模系統(tǒng)1：1Pro。個(gè)性化推薦服務(wù)體系結(jié)構(gòu)中，信息收集模塊是個(gè)性化服務(wù)系統(tǒng)的基礎(chǔ)模塊。用戶的信息包括了用戶的個(gè)人基本資料、購買的歷史記錄及瀏覽記錄等。個(gè)人基本資料可以從用戶注冊表單中獲得；購買的歷史記錄主要存放于電子商務(wù)網(wǎng)站的后臺交易數(shù)據(jù)庫中，包含了每位用戶以前歷次購物的詳細(xì)情況記錄，如購物時(shí)間、商品清單、價(jià)格、折扣等， 同時(shí)也可以收集用戶放入購物籃而未購買的商品記錄，以及用戶過去瀏覽過的商品信息等。當(dāng)然要搜集用戶的行為信息，日志文件是必不可少的，如要收集服務(wù)器日志，則要在服務(wù)器端獲取，抽取出特定用戶的訪問記錄；如要收集用戶瀏覽的頁面和瀏覽行為，則既可以在用戶端獲得，也可以在服務(wù)器端從用戶記錄中獲得。三盡 管 協(xié) 同 過 濾 技 術(shù) 在個(gè) 性 化 推 薦 系統(tǒng) 中 獲 得 了極 大 的 成 功 ， 但 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 技 術(shù) 的 一 些 缺 點(diǎn) 逐 漸 暴露 出來 ， 主 要 有 ： 稀 疏 性 (sparsity )： 在 許多 推 薦 系 統(tǒng) 中 ， 每 個(gè)用 戶 涉 及 的信 息 量 相 當(dāng) 有 限 ， 在 一 些 大 的 系 統(tǒng) 如 亞馬遜 網(wǎng) 站 中 ， 用 戶 最 多 不 過 就 評 估 了 上 百 萬 本 書 的1 2 ， 造 成 評 估 矩 陣 數(shù) 據(jù) 相 當(dāng)稀 疏 ， 難 以 找 到 相似 用 戶 集 ， 導(dǎo) 致 推薦 效 果 大 大 降低 擴(kuò) 展 性 (scalability )： “ 最 近 鄰 居 ” 算 法 的 計(jì)算 量 隨 著 用 戶 和 項(xiàng) 的增 加 而 大 大 增 加 ， 對 于 上 百萬之 巨 的 數(shù) 目， 通 常 的 算 法 將 遭 遇 到 嚴(yán) 重 的 擴(kuò) 展 性問題 精 確 性 (accuracy ) ： 通 過 尋 找 相 近 用 戶 來 產(chǎn)生 推 薦 集 ， 在 數(shù) 量 較 大 的 情 況 下 ， 推 薦 的可 信 度 隨 之降 低 四一個(gè)完整的推薦系統(tǒng)由3個(gè)部分組成:收集用戶信息的行為記錄模塊,分析用戶喜好的模型分析模塊和推薦算法模塊.行為記錄模塊負(fù)責(zé)記錄用戶的喜好行為,例如問答、評分、購買、下載、瀏覽等.問答和打分的信息相對好收集,然而有的用戶不愿意向系統(tǒng)提供這些信息,那么就需要通過其他方式對用戶的行為進(jìn)行分析,例如購買、下載、瀏覽等行為.通過這些用戶的行為記錄分析用戶的潛在喜好產(chǎn)品和喜歡程度.這就是模型分析模塊要完成的工作.模型分析模塊的功能能夠?qū)τ脩舻男袨橛涗涍M(jìn)行分析,建立合適的模型來描述用戶的喜好信息.最后是推薦算法模塊,利用后臺的推薦算法,實(shí)時(shí)地從產(chǎn)品集合中篩選出用戶感興趣的產(chǎn)品進(jìn)行推薦.其中,推薦算法模塊是推薦系統(tǒng)中最為核心的部分.協(xié)同過濾推薦系統(tǒng)最大的優(yōu)點(diǎn)是對推薦對象沒有特殊的要求,能處理音樂、電影等難以進(jìn)行文本結(jié)構(gòu)化表示的對象.基于用戶的協(xié)同推薦算法隨著用戶數(shù)量的增多,計(jì)算量成線性加大,其性能會越來越差.因此有的推薦系統(tǒng)采用基于產(chǎn)品相似性的協(xié)同過濾算法,在產(chǎn)品的數(shù)量相對穩(wěn)定的系統(tǒng)中,這種方法是很有效的,例如Ama-zon的書籍推薦系統(tǒng)10.但是對于產(chǎn)品數(shù)量不斷增加的系統(tǒng),例如Del. lici. us系統(tǒng),這種方法是不適用的.基于內(nèi)容的推薦系統(tǒng)不可避免地受到信息獲取技術(shù)的約束,例如自動提取多媒體數(shù)據(jù)(圖形、視頻流、聲音流等)的內(nèi)容特征具有技術(shù)上的困難,這方面的相關(guān)應(yīng)用受到了很大限制.網(wǎng)絡(luò)環(huán)境下的個(gè)性化推薦表現(xiàn)方式大體分為個(gè)人化推薦、社會化推薦和基因化推薦三種，（1）個(gè)人化推薦。是基于用戶過往的行為模式進(jìn)行推薦，即依據(jù)用戶的歷史行為，判斷用戶的需求和偏好，為其提供相應(yīng)產(chǎn)品或服務(wù)。 商業(yè)網(wǎng)站中，比較常見的方式是用戶最近的瀏覽歷史、你可能比較感興趣的商品。比較典型的是基于個(gè)人交易和反饋數(shù)據(jù)的推薦機(jī)制.（2）社會化推薦。是根據(jù)需求和偏好相似的用戶群的過往行為數(shù)據(jù)進(jìn)行推薦。它不同于個(gè)人推薦方式，并不分離地判斷一個(gè)用戶的行為，而是針對偏好相似的用戶群體行為進(jìn)行分析，然后為用戶群提供推薦。（3）基因化推薦。是根據(jù)產(chǎn)品本身的特性進(jìn)行推薦。這種推薦方式在一定程度上也基于社會學(xué)的原理：一人的喜好是大體相互聯(lián)系的，并且是相對固定的。 六在網(wǎng)絡(luò)購物時(shí)代，商家通過購物網(wǎng)站提供了大量的商品信息，消費(fèi)者無法快速地了解所有的商品信息，所以，消費(fèi)者需要一種電子購物助手，能根據(jù)消費(fèi)者對服裝的需求信息推薦給消費(fèi)者可能感興趣或者滿意的商品。個(gè)性化推薦系統(tǒng)就是建立在海量數(shù)據(jù)挖掘基礎(chǔ)上的一種高級商務(wù)智能平臺，它幫助網(wǎng)站為消費(fèi)者購物提供完全個(gè)性化的決策支持和信息服務(wù)。購物網(wǎng)站的推薦系統(tǒng)為消費(fèi)者推薦商品，自動完成個(gè)性化選擇商品的過程，滿足消費(fèi)者的個(gè)性化需求。隨著互聯(lián)網(wǎng)的不斷普及，網(wǎng)絡(luò)成為一種不可或缺的信息來源，但相對整個(gè)互聯(lián)網(wǎng)的全局信息空間而言，用戶感興趣的只是一個(gè)很小的領(lǐng)域。 信息技術(shù)的發(fā)展，使網(wǎng)絡(luò)信息空間呈幾何級數(shù)膨脹，而有限的個(gè)性化信息卻顯得更加分散。人們處在信息迷航的怪圈中，很希望有個(gè)網(wǎng)站能夠揣摩用戶的心理，按照用戶的需求推薦用戶感興趣的內(nèi)容，給用戶提供一個(gè)良好的沖浪環(huán)境，這些潛在的需求在商業(yè)網(wǎng)站中體現(xiàn)的更為淋漓盡致。按照用戶的興趣推薦商品，可以提高用戶對網(wǎng)站的忠誠度，增加交叉購買力，增加商家的效益。各種信息尤其是互聯(lián)網(wǎng)信息的指數(shù)增長所導(dǎo)致的 “ 信息過載”和 “ 信息迷航”問題已日益制約人們高效地使用各種信息資源。個(gè)性化推薦技術(shù)正是解決這一嚴(yán)峻問題的有效方法，它根據(jù)用戶的興趣和特點(diǎn)，對信息資源進(jìn)行收集、整理和分類， 向用戶提供和推薦符合其興趣偏好或需求的信息。七互聯(lián) 網(wǎng)技術(shù) 的迅猛發(fā)展把我們帶進(jìn) 了信息爆炸的時(shí)代海量信息的同時(shí)呈現(xiàn)，一方面使用戶很難從 中發(fā) 現(xiàn) 自己感 興趣 的部 分 ，另 一 方 面 也使 得 大 量 少 人 問 津 的信 息成 為 網(wǎng)絡(luò) 中的 “ 暗信息” ，無 法被 一般用 戶獲取九簡單地說， 個(gè)性化推薦系統(tǒng)就是根據(jù)消費(fèi)者的個(gè)性化特征和需求， 按照某種策略， 進(jìn)行產(chǎn)品推薦的一個(gè)輔助決策系統(tǒng)。它的出現(xiàn)是為了解決信息過載的問題， 幫助消費(fèi)者在浩如煙海的產(chǎn)品中找到自己需要的商品， 為消費(fèi)者提供個(gè)性化的購物體驗(yàn)。電子商務(wù)推薦系統(tǒng)作用主要表現(xiàn)在以下幾個(gè)方面： 將電子商務(wù)網(wǎng)站的瀏覽者轉(zhuǎn)變?yōu)橘徺I者；提高電子商務(wù)網(wǎng)站的交叉銷售能力； 減少消費(fèi)者成本(時(shí)間、 資金等)， 滿足顧客需求， 增加其滿意度； 增加賣家產(chǎn)品瀏覽度， 從而提高賣家收益。電子商務(wù)推薦系統(tǒng)根據(jù)其所采用的推薦技術(shù)大致可以分為下面幾類： 一是基于協(xié)同過濾技術(shù)的推薦系統(tǒng)， 所采用的技術(shù)是協(xié)同過濾； 二是基于內(nèi)容過濾的推薦系統(tǒng)， 所采用的技術(shù)是信息過濾；三是基于知識發(fā)現(xiàn)推薦系統(tǒng)， 所采用的技術(shù)是知識發(fā)現(xiàn)， 搜索與數(shù)據(jù)挖掘技術(shù)； 四是組合技術(shù)， 所采用的技術(shù)是幾種推薦技術(shù)的組合； 五是交互式推薦， 采取的技術(shù)是用戶與商家的交互； 六是其他的一些非主流推薦系統(tǒng)， 比如基于統(tǒng)計(jì)、 效用的推薦系統(tǒng)， 如貝葉斯網(wǎng)絡(luò)、 神經(jīng)網(wǎng)絡(luò)等。其中使用較多的是協(xié) 同過濾， 內(nèi)容過濾， 知識發(fā)現(xiàn)和數(shù)據(jù)挖掘。規(guī)則推薦是先根據(jù)銷售數(shù)據(jù)發(fā)現(xiàn)不同商品在銷售過程中的相關(guān)性， 然后基于生成的關(guān)聯(lián)規(guī)則模型和用戶的購買行為產(chǎn)生推薦結(jié)果； 分類挖掘推薦方法是通過聚類、 Bayesi a 網(wǎng)絡(luò)、 神經(jīng)網(wǎng)絡(luò)等多種機(jī)器學(xué)習(xí)方法產(chǎn)生分類挖掘模型， 再根據(jù)用戶輸入信息和產(chǎn)品的特征信息， 預(yù)測是否向用戶推薦該產(chǎn)品1 曾云，陳盈盈，張?jiān)? 基于人體識別的在線虛擬試衣系統(tǒng)J電視技術(shù)，2014， 38(11)：206-210.2 陳利珍，鄧中民基于圖像序列的三維人體建模方法研究J針織工業(yè)， 2013(1):54-56.3 吳義山,徐增波.虛擬試衣系統(tǒng)關(guān)鍵技術(shù)J.絲綢,2014,12:24-29.4 陳曉倩.虛擬試衣系統(tǒng)在電子商務(wù)中的應(yīng)用模式探討J.紡織導(dǎo)報(bào),2009,09:81- 83.5 黃燦藝.網(wǎng)絡(luò)化三維虛擬試衣技術(shù)構(gòu)架分析J.廣西紡織科技,2010,03:46-48.6 范慶玲,李繼云.基于照片的三維人體模型研究與實(shí)現(xiàn)J.微型電腦應(yīng)用,2006, 03:5-6+42+66.7 胡新蕾.淺談虛擬試衣和電商金融產(chǎn)品的結(jié)合J.經(jīng)貿(mào)實(shí)踐,2015,16:38-39.8 胡婉月,李艷梅,王迎梅,吳小娜.虛擬試衣的發(fā)展現(xiàn)狀及展望J.上海工程技術(shù) 大學(xué)學(xué)報(bào),2014,02:162-165.9 丁嘉玲,王厲冰,莊梅玲,張永美.線上虛擬試衣技術(shù)構(gòu)架的分析與展望J.山東 紡織科技,2015,01:42-45.1范忠勇,張志軍,張鵬飛.本體技術(shù)在個(gè)性化推薦系統(tǒng)中的應(yīng)用研究J.山東科學(xué),2016, 02:101-105.2王浩.電子商務(wù)個(gè)性化信息推薦服務(wù)計(jì)量分析與發(fā)展對策研究J.內(nèi)蒙古科技與經(jīng) 濟(jì),2016,08:59-62.3 趙亮,胡乃靜,張守志.個(gè)性化推薦算法設(shè)計(jì)J.計(jì)算機(jī)研究與發(fā)展,2002,08:986-991.4 劉建國,周濤,汪秉宏.個(gè)性化推薦系統(tǒng)的研究進(jìn)展J.自然科學(xué)進(jìn)展,2009,01:1-15.5 朱巖,林澤楠.電子商務(wù)中的個(gè)性化推薦方法評述J.中國軟科學(xué),2009,02:183-192.6 丁然.大數(shù)據(jù)時(shí)代電子商務(wù)個(gè)性化推薦發(fā)展趨勢J.電子商務(wù),2015,04:5+7.7 張苗苗,楊瑜.商業(yè)網(wǎng)站個(gè)性化推薦現(xiàn)狀及對策分析J.情報(bào)探索,2012,02:36-40.8王輝,高利軍,王聽忠.個(gè)性化服務(wù)中基于用戶聚類的協(xié)同過濾推薦J.計(jì)算機(jī)應(yīng) 用,2007,05:1225-1227.9林霜梅,汪更生,陳弈秋.個(gè)性化推薦系統(tǒng)中的用戶建模及特征選擇J.計(jì)算機(jī)工 程,2007,17:196-198+230.造型 色彩 面料 輔料 結(jié)構(gòu) 工藝 圖案 部件 裝飾 配飾 形式 搭配不可否認(rèn)的是，關(guān)于推薦系統(tǒng)的研究仍然存在一些問題，具體包括】【i2】：(1)實(shí)時(shí)性和推薦質(zhì)量之間的問題。推薦系統(tǒng)的推薦精度和實(shí)時(shí)性是一對矛盾，要提高推薦精度會不可避免地降低系統(tǒng)的實(shí)時(shí)性，而要提高系統(tǒng)的實(shí)時(shí)性又不能不產(chǎn)生較低的推薦精度。所以，在提供推薦系統(tǒng)服務(wù)的同時(shí)，如何在推薦精度和實(shí)時(shí)性之間找個(gè)較好的平衡點(diǎn)，是需要繼續(xù)研究的問題。(2)系統(tǒng)模型單一。由于推薦系統(tǒng)體系結(jié)構(gòu)不完善，導(dǎo)致大部分推薦系統(tǒng)只能提供一種系統(tǒng)模型使用。但鑒于推薦系統(tǒng)本身的復(fù)雜性，需要多種不同類型的模型來適應(yīng)不同的場合，滿足用戶的不同要求。(3)推薦方法的缺乏?，F(xiàn)在一般的電子商務(wù)系統(tǒng)的推薦方法是向用戶提供商品排行榜，以及其它用戶對這個(gè)商品的評價(jià)程度來讓用戶判斷是否具有購買性。無疑地，需要更加多樣的推薦形式來向用戶解釋產(chǎn)生推薦的原因，讓客戶更加信任推薦的結(jié)果。(4)用戶類型的轉(zhuǎn)變。對商務(wù)網(wǎng)站商品進(jìn)行購買的用戶一般都只是注冊用戶，而沒有注冊的用戶僅僅具有瀏覽功能?，F(xiàn)在的推薦系統(tǒng)并未考慮到這部分訪問者?！? l】BSchafer,JAKonstan,JRiedl，ECommerce RecommendationApplications，Data Mining and Knowledge Discovery,20011，5(1)：115153【121Kohvai，Mining E-commerce Data：the Good,the Bad,and the Ugly,Proceedings ofthe 7th ACM SIGKDD international conference on Knowledge discovery and data mining，San Francisco，California，2001，8-13推薦系統(tǒng)在電子商務(wù)中的作用主要體現(xiàn)在以下幾個(gè)方耐11】：(1)將網(wǎng)站的瀏覽者轉(zhuǎn)為購買者消費(fèi)者起初瀏覽網(wǎng)站并不想購買東西，而且因?yàn)殡娮由虅?wù)網(wǎng)站擁有大量的商品，用戶很難在短時(shí)間內(nèi)在這些商品中找到自己所喜歡的產(chǎn)品。這時(shí)候，如果推薦系統(tǒng)能夠根據(jù)用戶的相關(guān)信息向用戶有針對性地推薦產(chǎn)品的話，很有可能會引基于粗糙集和論域最近鄰的協(xié)同過濾推薦系統(tǒng)研究與實(shí)現(xiàn) 第i章緒論起用戶的興趣，產(chǎn)生購買的欲望，從而將網(wǎng)站的瀏覽者變?yōu)橘徺I者，這無疑會大大提