【正文】 于關(guān)鍵詞檢索的信息過濾系統(tǒng)。新聞組信息服務(wù)也可以分析用戶訂閱的信息自動抽取關(guān)鍵詞，簡歷用戶檔案 ，然后通過信息過濾系統(tǒng)將用戶感興趣的新信息反饋給用戶。在新聞組信息服務(wù)中，用戶輸入自己感興趣的一組關(guān)鍵詞，新聞組信息服務(wù)通過關(guān)鍵詞建立用戶檔案。 3）信息過濾中用戶需求相對不便，但用戶訪問的是動態(tài)數(shù)據(jù)流，是從動態(tài)數(shù)據(jù)流中選擇數(shù)據(jù)；信息檢索技術(shù)訪問是相對靜止的數(shù)據(jù)，但用戶需求卻具有瞬時性。 信息過濾與信息檢索的區(qū)別主要包括： 1）信息過濾面向用戶長期的信息需求，而信息檢索技術(shù)面向的是用戶短期的、實時的查詢。用戶的 興趣模型可用用戶檔案文件的形式表示。 信息過濾 信息過濾技術(shù)一般用戶用戶需求相對不變，但信息動態(tài)呢更新比較頻繁的情況。同時，推薦系統(tǒng)提供的推薦界面既可以基于傳統(tǒng)的關(guān)鍵字查詢，也可以基于動態(tài)查詢接口。推薦系統(tǒng)根據(jù)用戶需求，搜索產(chǎn)品類別數(shù)據(jù)庫，然后返回用戶需要的信息。這種不斷與用戶進(jìn)行交互的動態(tài)查詢接口使得用戶能更容易的檢索到所需信息。目前，越來越多的信息檢索系統(tǒng)提供動態(tài)查詢接口。 信息檢索系統(tǒng)的界面主要包括兩種形式。其研究內(nèi)容主要包括查詢語言設(shè)計研究、可視化查詢接口研究、用戶請求與資源信息的匹配研究等。索引技術(shù)是對資源內(nèi)容進(jìn)行分析，從而將資源內(nèi)容表示為計算機(jī)可處理的數(shù)據(jù)結(jié)構(gòu)的過程。例如，當(dāng)用戶在數(shù)字圖書館中進(jìn)行檢索時，用戶提交關(guān)鍵字電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究 梁銳彪 反映了用戶當(dāng)前的信息需求，數(shù)字圖書館中的搜索引擎根據(jù)預(yù)先建立好的內(nèi)容檢索，檢索出用戶需要的信息。 信息檢索 信息檢索技術(shù)一般是指根據(jù)用戶需求，從大規(guī)模的相對靜止的數(shù)據(jù)庫中檢索用戶需要的信息，主要滿足用戶瞬時的信息需求。 信息檢索是在靜態(tài)信息源中搜索用戶短期的信息需求的過程；而信息過濾是對動態(tài)信息進(jìn)行篩選，著重排除不希望得到的信息，帶有即時性。 第六 章總結(jié)全文，并提出對電子商務(wù)推薦系統(tǒng)中關(guān)鍵技術(shù)的展望。在協(xié)同過濾算法中，首先對協(xié)同過濾算法所使用的用戶數(shù)據(jù)的收集做了簡要的描述，然后詳細(xì)介紹了 Userbased協(xié)同過濾算法， Itembased 協(xié)同過濾算法。 第三章探討了電子商務(wù)推薦系統(tǒng)的基礎(chǔ)理論，包括其定義、系統(tǒng)的輸入和輸出、分類、目前采用的各種推薦策略和相關(guān)實 例。 電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究 梁銳彪 本文結(jié)構(gòu) 第一章探討了電子商務(wù)推薦系統(tǒng)提出的背景及其研究意義，介紹了推薦系統(tǒng)的研究現(xiàn)狀，給出本論文的整體組織結(jié)構(gòu)。同時，第十五屆人工智能會議 AAAI9第一屆知識管理應(yīng)用會議 PA KM、 96 年協(xié)同工作會議CSCW’96 等也紛紛開始將電子商務(wù)推薦系統(tǒng)作為研究主題。 the Intelligent Web 作為一個獨立的研討小組。 從 1999 年開始此協(xié)會的數(shù)據(jù)挖掘特別興趣組 SIGKDD小組設(shè)立 WEBKDD 討論組，主題集中在電子商務(wù)中的 WEB 挖掘技術(shù)和推薦系統(tǒng)技術(shù)，而 ACM 下面的信息檢索特別興趣組 SIGIR 在召開的第 24 屆研究和發(fā)展會議上，開始專門把推薦系統(tǒng)作為一個討論主題。 課題研究的國內(nèi)外現(xiàn)狀 隨著互聯(lián)網(wǎng)的普及和電子商務(wù)的發(fā)展，推薦系統(tǒng)逐漸成為電子商務(wù) IT 技術(shù)的一個重要研究內(nèi)容，得到了越來越多研究者的關(guān)注。本文對目前電子商務(wù)推薦系統(tǒng)的體系結(jié)構(gòu)進(jìn)行了研究，提出的基于MultiAgent 的柔性電子商務(wù)推薦系統(tǒng)，使推薦系統(tǒng)更加智能、自動和靈活。本文對目前應(yīng)用最廣泛的協(xié)同過濾推薦算法進(jìn)行研究，并嘗試對其進(jìn)行改進(jìn)，使推薦結(jié)果的實時性更好，推薦質(zhì)量更高。針對電子商務(wù)推薦系統(tǒng)面臨的主要挑戰(zhàn)，本文將對電子商務(wù)推薦系統(tǒng)中的核心技術(shù)進(jìn)行了有益的探索和研究。電子商務(wù)推薦系統(tǒng)在理論和實踐中都得到了很大發(fā)展。在日趨激烈的競爭環(huán)境下，電子商務(wù)推薦系統(tǒng)能有效保留用戶，提高電子商務(wù) 系統(tǒng)的銷售。因此，近年來推薦系統(tǒng)在電子商務(wù)的應(yīng)用越來越多，幾乎所有大型的電子商務(wù)系統(tǒng)，如Amazon、 eBay、當(dāng)當(dāng)網(wǎng)等，都不同程度的使用了各種形式的推薦系統(tǒng)。 推薦系統(tǒng)具有良好的發(fā)展方向和應(yīng)用前景。 2）電子化的數(shù)據(jù)收集：電子商務(wù)環(huán)境中的各種數(shù)據(jù)通過電子化方式收集，減少了手工方式收集數(shù)據(jù)可能出現(xiàn)的人工誤差，噪音數(shù)據(jù)大大減少，各種數(shù)據(jù)的可信度比較高，數(shù)據(jù)預(yù)處理比較簡單。 主要原因包括[1]： 1）豐富的數(shù)據(jù)：電子商務(wù)環(huán)境收集的各種數(shù)據(jù)比較豐富，如用戶注冊數(shù)據(jù)、用戶交易數(shù)據(jù)、用戶評分?jǐn)?shù)據(jù)、用戶購物籃信息、用戶瀏覽數(shù)據(jù)等。在海量的商品信息中，推薦系統(tǒng)模擬商店銷售人員向用戶提供商品推薦，幫助用戶找到所需商品，從而順利完成購買過程，因此可以有效保留用戶，提高電子商務(wù)系統(tǒng)的銷售；商家也可以通過推薦系統(tǒng)保持與客戶的聯(lián)系，重建客戶關(guān)鍵。隨著電子商務(wù)應(yīng)用的領(lǐng)域越來越廣，對電子商務(wù)研究越來越深入，人工智能、 Web 技術(shù)與商業(yè)模型的集成研究逐步得到了重視。 Data Mining電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究 梁銳彪 目 錄 第 1 章 緒論 ......................................................................................... 1 課題研究背景 ............................................................................ 1 課題研究意義 ............................................................................ 2 課題研究的國內(nèi)外現(xiàn)狀 ............................................................ 2 本文結(jié)構(gòu) ................................................................................... 3 第 2 章 電子商務(wù)推薦系統(tǒng)相關(guān)技術(shù) .................................................... 3 ................................................................. 3 信息檢索 .......................................................................... 3 信息過濾 .......................................................................... 4 數(shù)據(jù)挖掘技術(shù) ............................................................................ 5 數(shù)據(jù)挖掘過程 .................................................................. 7 數(shù)據(jù)挖掘知識分類和數(shù)據(jù)挖掘方法 ............................... 8 數(shù)據(jù)挖掘與推薦系統(tǒng) ...................................................... 9 協(xié)同過濾技術(shù) .......................................................................... 10 第 3 章 電子商務(wù)推薦系統(tǒng)基礎(chǔ)理論 .................................................. 13 電子商務(wù)推薦系統(tǒng) .................................................................. 13 電子商務(wù)推薦系統(tǒng)的輸入和輸出 ........................................... 14 電子商務(wù)推薦系統(tǒng)的輸入 ............................................ 15 電子商務(wù)推薦系統(tǒng)的輸出 ............................................ 16 ........................................................... 17 電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究 梁銳彪 第 4 章 電子商務(wù)推薦算法 .................................................................. 20 電子商務(wù)推薦系統(tǒng)算法概述 .................................................. 20 關(guān)聯(lián)規(guī)則推薦算法 .................................................................. 21 關(guān)聯(lián)規(guī)則挖掘 ................................................................ 22 關(guān)聯(lián)規(guī)則推薦算法 ........................................................ 24 協(xié)同過濾推薦算法 .................................................................. 25 Userbased 協(xié)同過濾推薦算法 .................................... 25 Itembased 協(xié)同過濾推薦算法 .................................... 29 電子商務(wù)推薦算法面臨的主要挑戰(zhàn) ....................................... 32 第 5 章 推薦系統(tǒng)評價要素 .................................................................. 33 平均絕對誤差 MAE ................................................................. 33 稀疏度 ................................................................................... 33 第 6 章 結(jié)論與展望 .............................................................................. 34 參考文獻(xiàn)： ........................................................................................... 35 致 謝 ................................................................................................... 39 電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究 梁銳彪 第 1 章 緒論 課題研究背景 隨著電子商務(wù)規(guī)模的進(jìn)一步擴(kuò)大，為用戶提供越來越多選擇的同時，其結(jié)構(gòu)也變得更加復(fù)雜。 [關(guān)鍵字 ]電子商務(wù) ； 推薦系統(tǒng) ； 數(shù)據(jù)挖掘 電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究 梁銳彪 [Abstract]With the popularization of Inter and development of ECommerce, human being s have been into information society and the Inter economy era, in the meanwhile ECommerce System offered more and more choices for the consumers, the structure of ECommerce web site became more and more plex. This situation made it hard for consumers to find the products they wanted. To solve this issue, remendation systems were proposed to