论文部分内容阅读
在信息爆炸的时代，如何找到一种准确、高效的方法，使用户能快速、准确地定位到自己所需要的信息，引起了越来越多的学者的关注。推荐系统应运而生，成为了当前解决信息过载问题的非常有潜力的方法。 本文特别选取了B2C电子商务作为研究和应用的对象，因为推荐系统最典型的应用就是B2C电子商务领域，而且具有良好的发展和应用前景。本文在分析现有的推荐算法的基础上，从B2C电子商务推荐系统的基本需求出发，总结了现有推荐技术对B2C电子商务网站的适用性，提出了基于二部图B2C电子商务推荐模型，并设计了该模型上的推荐算法。此模型包括在线模块和离线模块两个部分。在离线模块中对用户结点进行了聚类处理，形成了相对较少的用户类结点。用户类结点在在线模块中与原有的产品结点形成了新的二部图，然后再利用基于二部图的资源扩散算法完成推荐。 离线模块的数据处理与用户结点的聚类处理都大大的降低了在线系统的计算量，系统的效率与速度都会有较大的提高。最后利用Amazon和天猫某品牌店的采集数据进行实验。与协同过滤算法比较在准确率、召回率、多样性三个算法指标上，都取得了更好的效果。