【正文】 美國明尼蘇達(dá)大學(xué)計算機科學(xué)與工程系 開發(fā)的研究型自動協(xié)同 過濾推薦系統(tǒng)，用于推薦電影 。其特點是綜合了基于內(nèi)容過濾的推薦 和 協(xié)同 過濾推薦的優(yōu)點，同時支持兩種類型的推薦服務(wù) 。 清華大學(xué)的邢春曉和高鳳榮等人針對傳統(tǒng)協(xié)同 過濾算法不能及時反映用戶興趣變化的問題，提出了兩種改進(jìn)度量 :基于時間的數(shù)據(jù)權(quán)重和基于資源相似度的數(shù)據(jù)權(quán)重，在此基礎(chǔ)上將它們有機結(jié)合，將這兩種權(quán)重引入基于資源的協(xié)作過濾算法的生成推薦過程中，通過實驗證明改進(jìn)后的算法比傳統(tǒng)協(xié)作過濾算法在推薦準(zhǔn)確度上有明顯提高 [15]。淘寶禮物將收禮人細(xì)分為男人，女人，青少年，兒童和嬰兒五種類型，并且每種類型的人都有若干種送禮主題。由此可計算出 20xx年中國的電子商務(wù)總銷售額將達(dá)到 5000億人民幣。 基于知識庫的禮品推薦系統(tǒng)有其優(yōu)點也有其缺點。 本文在搜索 技術(shù) 上采用 開源的全文搜索引擎 Lucene 對禮品基本信息構(gòu)建索引， 同時結(jié)合 用戶的 瀏覽 日志分析用戶偏好 為用戶的 禮品 搜索提供個性化 的 禮品推薦。協(xié)同過濾技術(shù)可以分為 兩 類：基于用戶的協(xié)同過濾 和 基于項目 的協(xié)同過濾 [17]。 缺點：第 一，協(xié)同過濾 方法 過于 依賴于歷史交易數(shù)據(jù) ,會導(dǎo)致“ 產(chǎn)品 冷啟動 ”和“用戶冷啟動” 問題 ,即無法對新產(chǎn)品與新用戶進(jìn)行推薦。再把用戶數(shù)據(jù)庫中的用戶偏好類別與產(chǎn)品特征進(jìn)行相似度匹配 ,從而生成推薦列表 , 最后根據(jù)用戶反饋進(jìn)行修正學(xué)習(xí)。第三， 精確度問題 ,有試驗表明內(nèi)容過濾推薦可能不如協(xié)同過濾更為精確。數(shù)據(jù)挖掘就是為順應(yīng)這種需要應(yīng)運而生發(fā)展起來的數(shù)據(jù)處理技術(shù)。在很多 文本編輯器 或其他工具里，正則表達(dá)式通常被用來檢索和替換那些符合某個模式的文本內(nèi)容。 ”，那么39。（ 2）用來查找字符串，從一個長的文本中查找符合指定特征的字符串，比查找固定字符串更加靈活方便。 Lucene Lucene 是一個 apache軟件基金會 jakarta項目組的一個子項目 [28]， Lucene是 用Java 寫的全文檢索引擎工具包 ， 可以方便地嵌入到各種應(yīng)用中實現(xiàn)針對應(yīng)用的全文索引 / 檢索功能 ,Lucene 有兩個主要的服務(wù) ,索引和檢索 ， 兩者任務(wù)是相互獨立的。 apache 軟件基金會的網(wǎng)站使用了 Lucene 作為全文檢索的引擎， IBM 的開源軟件 eclipse 的 版本中也采用了 Lucene 作為幫助子系統(tǒng)的全文索引引擎，相應(yīng)的 IBM 的商業(yè)軟件 Web Sphere 中也采用了 Lucene。 （ 5）已經(jīng)默認(rèn)實現(xiàn)了一套強大的查詢引擎，用戶無需自己編寫代碼即使系統(tǒng)可獲得強大的查詢能力， Lucene 的查詢實現(xiàn)中默認(rèn)實現(xiàn)了布爾操作、模糊查詢（ Fuzzy Search[11]）、分組查詢等等 [31]。AJAX 是一種 Web 應(yīng)用程序開發(fā)的手段，它采用客戶端腳本與 Web 服務(wù)器交換數(shù)據(jù) 。 5) JavaScript 將所有這些方法綁定到一起 。 小結(jié) 本章主要 介紹了 比較流行的 三種個性化推薦算法 ： 協(xié)同過濾、內(nèi)容過濾和知識發(fā)現(xiàn) ，并對三種推薦算法的優(yōu)缺點進(jìn)行了分析 。 5. 禮品個性化 搜索 系統(tǒng) 要 能夠 根據(jù)用戶日志 提供個性化的 禮品 搜索功能。如情人節(jié)送花和巧克力合適， 中秋節(jié)送月餅合適，孩子滿月送毛絨玩具，小衣服等合適，朋友生日送毛絨熊合適。 表 31 收禮人 基本信息 劃分 類別 備注 老人 表示 60 歲以上的老人 男人 年齡介于 25 到 60 歲的所有男人 女人 年齡介于 25 到 60 歲的所有女人 青年 年齡介于 17 到 24 歲的青年人 少年 年齡介于 4 到 16 歲的少年兒童 嬰兒 年齡介于 0 到 3 周歲的嬰兒 根據(jù)收禮者的興趣愛好贈送的禮物也有所不同，如喜歡時尚的女人應(yīng)贈送化妝品，衣服等；喜歡運動的男人可贈送運動裝備等禮品。人工初始化是通過禮品專家對每個禮品選擇其適合贈送的節(jié)日場合，收禮對象的性別、年齡、興趣、與送禮人的關(guān)系，并將這些信息以合理的方式保存起來。 禮品的相似度保留到小數(shù)點后 4 位。此外，要 返回與該禮品基本信息相似的三個禮品和 用戶瀏覽相似的三個禮品。 北京郵電大學(xué)研究生畢業(yè)論文 19 第四章 禮品 推薦系統(tǒng) 設(shè)計 系統(tǒng) 整體 功能設(shè)計 系統(tǒng)模塊設(shè)計 ? 系統(tǒng) 整體 模塊圖 ，如圖 41 所示： 禮 品 推 薦 系 統(tǒng)知識庫構(gòu)建模塊用戶交互模塊推薦推理模塊知識庫初始化知識庫完善個性化搜索模塊節(jié)日場合推理收禮對象推理收禮人描述推理相似度推理索引構(gòu)建禮品搜索用戶注冊登錄用戶需求獲取推薦結(jié)果產(chǎn)生圖 41 系統(tǒng) 整體 模塊圖 ? 系統(tǒng)整體模塊結(jié)構(gòu)圖描述 1) 知識庫構(gòu)建模塊 通過調(diào)研禮品贈送知識設(shè)計知識庫，并讓禮品專家初始化禮品庫，然后通過一定的算法對知識庫進(jìn)行完善。 系統(tǒng)功能設(shè)計 ? 系統(tǒng) 推薦 功能模塊圖，如圖 42 所示： 禮 品 推 薦 系 統(tǒng)節(jié)日場合推薦收禮對象推薦收禮人描述推薦個性化搜索禮品瀏覽推薦 圖 42 系統(tǒng) 推薦 功能模塊圖 ? 系統(tǒng) 推薦 功能模塊描述 1) 節(jié)日場合推薦 用戶選擇要送禮物的節(jié)日（如：中秋節(jié)，圣誕節(jié)，情人節(jié) 等）或場合（如：約會，生日，喬遷新居等），系統(tǒng)向用戶推薦適合該節(jié)日或場合的禮品。 (1) 網(wǎng)頁抓取子系統(tǒng) 北京郵電大學(xué)研究生畢業(yè)論文 22 從淘寶網(wǎng)上抓取禮品信息，包括禮品名稱，圖片， URL，價格，商家等信息。 用戶輸入搜索關(guān)鍵字，系統(tǒng)結(jié)合用戶日志分析用戶的搜索偏好最后向用戶提供 個性化的搜索服務(wù)。這些表單存放從系統(tǒng)推薦頁面?zhèn)鱽淼膮?shù)。 表 54 包類結(jié)構(gòu)清單 類名 描述 Age 年齡表對應(yīng)的 POJO 類 Business 商家表對應(yīng)的 POJO 類 Classes 禮品類別表對應(yīng)的 POJO 類 Clickgift 用戶行為表對應(yīng)的 POJO 類 Gifts 禮品表對應(yīng)的 POJO 類 GiftSimilarity 禮品相似度表對應(yīng)的 POJO 類 Interest 興趣愛好表對 應(yīng)的 POJO 類 Occation 節(jié)日場合 表對應(yīng)的 POJO 類 OccationGift 節(jié)日場合禮品表對應(yīng)的 POJO 類 Recipients 收禮人信息表對應(yīng)的 POJO 類 RecipientGift 收禮對象禮品表對應(yīng)的 POJO 類 Relation 關(guān)系表對應(yīng)的 POJO 類 Similarity 禮品關(guān)聯(lián)度表對應(yīng)的 POJO 類 Users 用戶表對應(yīng)的 POJO 表 ? 包 北京郵電大學(xué)研究生畢業(yè)論文 25 由于 是第三方開源的包，故在此不再描述。 1) 調(diào)研禮品分類 由于禮品 在分類方面 沒有一致的劃分，通過調(diào)研 國內(nèi)若干知名的禮品 網(wǎng)站的分類，總結(jié)了 8 個一級 分類和 40 個二級 分類 。送禮人指的是送禮人的個人信息，如年齡，性別等。通過調(diào)研將年齡段分為五個階段： 03 歲為嬰兒； 416 歲為少年兒童； 1724 歲為青年人； 2560 歲為中年人； 60 歲以上為老年人。 表 54 節(jié)日場合表（ occation） 字段名稱 字段類型 字段長度 可否為空 備注 ID NUMBER(20) 20 否 自增 ID，主鍵 NAME VARCHAR2(30) 30 否 節(jié)日場合名稱 TIME DATE 否 節(jié)日場合時間 禮品表：表示禮品信息。 每個表的定義如下： 關(guān)系表：表示收禮人與送禮人的關(guān)系。禮物 贈送的節(jié)日場合具有地域文化特點。 北京郵電大學(xué)研究生畢業(yè)論文 26 4) 設(shè)計程序進(jìn)行全自動化禮品信息抓取 設(shè)計 Java 程序，通過順序讀取 URL，并利用正則表達(dá)式 抽取每個 URL 頁面中的禮品信息，并將抽取的禮品信息進(jìn)行結(jié)構(gòu)化存儲到數(shù)據(jù)庫表中。系統(tǒng)推薦模塊圖主要從推薦功能對系統(tǒng)的模塊進(jìn)行了劃分和描述。 表 51 包類結(jié)構(gòu)清單 類名 描述 Page 頁面的參數(shù)類，記錄頁面的基本信息 PageUtil 頁面對象生成類，用于生成 Page 對象 Result 頁面返回結(jié)果封裝類 ? 包 包中的類的描述如表 52。包括推薦推理邏輯，禮品搜索邏輯等 。由于人工初始化的禮 品 數(shù)量有限，因此借助自動化程序計算禮品的相似度對其它禮品進(jìn)行 初始化，最后形成 完善的 禮品知識庫。 4) 個性化搜索 用戶輸入搜索禮品的關(guān)鍵字，系統(tǒng)先對關(guān)鍵字進(jìn)行分詞處理，然后通過分析用戶的搜索日志記錄分析用戶的搜索偏好，最后結(jié)合用戶的搜索偏好進(jìn)行搜索并返回用戶搜索的結(jié)果。 3) 個性化搜索模塊 個性化搜索模塊首先對禮品信息構(gòu)建索引 。 針對 數(shù)據(jù)庫故障導(dǎo)致數(shù)據(jù)丟失 ，要定時對數(shù)據(jù)庫數(shù)據(jù)進(jìn)行備份 。 輸入 2：用戶的搜索關(guān)鍵字。 當(dāng)用戶輸入搜索關(guān)鍵字時 系統(tǒng)結(jié)合 分析出的用戶 搜索偏好向用戶返回個性化的搜索結(jié)果。 表 33 收禮人特征 類型劃分 類型 特征描述分類 男人 陽光男人、宅男、合格爸爸、成功男人、探險男、休閑男、藝術(shù)男、思考男、書畫男、貴族男 老年男性 悠閑老人、思考老人、慈祥爺爺、運動老人、威嚴(yán)爺爺 女人 標(biāo)準(zhǔn)媽媽、成功女性、悠閑女、全職太太、時尚女、宅女、交際女、文藝女、探險女、陽光女人 老年女性 時尚奶 奶、美食奶奶、思考奶奶、慈祥奶奶、運動奶奶 男青年 陽光男孩、藝術(shù) BOY、時尚男孩、閱讀達(dá)人、游戲狂人、影視 FANS 女青年 購物狂、陽光女孩、影視發(fā)燒友、探險女孩、文學(xué)女孩、時尚麗人 男孩兒 玩耍少年、運動少年、卡通 FANS 女孩兒 陽光女孩兒、書畫女孩兒、舞蹈天使、運動女孩兒 北京郵電大學(xué)研究生畢業(yè)論文 16 4) 禮品知識庫構(gòu)建 禮品知識庫推薦需要一個完善的禮品知識庫進(jìn)行推理。 2) 基于 收禮對象 的推薦 基于收禮對象 推薦 是通 過用戶選擇收禮者的身份，如性別，年齡，興趣愛好來獲得系統(tǒng)的推薦 禮品。 2) 所有禮品的分類 準(zhǔn)確，且商家對 禮品的描述 不含欺詐信息 。 2. 禮品知識庫的初始化和完善 利用禮品專家的知識對知識庫進(jìn)行部分初始化。簡而言之，XMLHttpRequest使用戶可以使用 JavaScript向服務(wù)器提出請求并處理響應(yīng)，而不阻塞用戶 [34]。 北京郵電大學(xué)研究生畢業(yè)論文 11 AJAX是幾項技術(shù)的全新方式的集合，所用到的核心技術(shù)是： 1) 運用 XHTML和 CSS實現(xiàn)基于各種標(biāo)準(zhǔn)的展示。其次， Lucene 秉承了開放源代碼一貫的架構(gòu)優(yōu)良的優(yōu)勢，設(shè)計了一個合理而極具擴充能力的面向?qū)ο蠹軜?gòu)，程序員可以在 Lucene 的基礎(chǔ)上擴充各種功能，比如擴充中文處理能力，從文本擴充到 HTML、 PDF 等等文本格式的處理，編寫 這些擴展的功能不僅僅不復(fù)雜，而且由于 Lucene 恰當(dāng)合理的對系統(tǒng)設(shè)備做了程序上的抽象，擴展的功能也能輕易的達(dá)到跨平臺的能力 [32]。 北京郵電大學(xué)研究生畢業(yè)論文 10 （ 2）在傳統(tǒng)全文檢索引擎的倒排索引的基礎(chǔ)上，實現(xiàn)了分塊索引，能夠針對新的文件建立小文件索引，提升索引速度。即若想讓 Lucene 真正起作用 ， 還需在其基礎(chǔ)上做一些必要的二次開發(fā) [30]。 然后，可將得到的模式用于創(chuàng)建 對象 , 依照正則表達(dá)式，該對象可以與任意 字符序列 匹配。 39。比如表達(dá)式 “ab+” 描述的特征是 “一個 39。分類挖掘推薦方法是通過聚類、 Bayesia網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)等多種機器學(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 [23]。這個方法需要了解產(chǎn)品用戶之間的關(guān)系和特征。 缺點：第一，產(chǎn)品提供商可能會