个性化购物推荐系统设计和实现毕业答辩VIP免费

个性化购物推荐系统设计与实现CONTENTS目录推荐算法分析与结合多信息的推荐算法研究基于M-PMF的购物推荐系统设计与实现124课题研究背景与意义RESEARCHBACKGROUNDANDSIGNIFICANCETHEREVIEWANDTHERESEARCHOFTHERECOMMENDATIONALGORITHMSDETAILDESIGNANDIMPLEMENTATION测试结果与工作总结TESTRESULTANDFUTUREWORK3Part1课题研究背景与意义第4页研究背景与意义研究背景互联网快速发展海量而多样化信息难题：快速寻找需要信息推荐系统应运而生0102研究和发展现状广泛应用于各领域当前主流的推荐技术：基于内容的推荐协同过滤混合推荐算法03存在问题数据稀疏冷启动用户兴趣变化电商网站数量增大，商品种类多样化，选择困难……04研究意义推荐算法研究：缓解推荐系统冷启动和数据稀疏问题个性化购物推荐系统设计与实现：购物高效化、个性化Part2推荐算法分析与结合多信息的推荐算法研究第6页推荐算法分析01推荐算法分析推荐方法优点缺点基于内容的推荐•推荐结果易解释•不需要领域知识•数据稀疏问题•新用户问题协同过滤推荐•推荐多样化、个性化•随时间推移，推荐性能提高•能处理复杂对象•数据稀疏问题•新用户问题•推荐质量取决于历史数据矩阵分解方法•预测精度较高•扩展性好•推荐结果不具有很好的可解释性将评分数量少且高维的用户-物品评分矩阵分解两个低维的矩阵求取两低维矩阵行列的内积预测用户对物品的评分,ˆTijijRUV02改进的协同过滤算法基于关系挖掘的方法基于时序的方法显式和隐式方式→获取用户或物品之间的关系用户自身的偏好社交网络关系用户标签信息社交网络中提取信息……用户的兴趣随着时间、季节等因素发生变化用户的行为在时序上存在一定的关联概率矩阵分解模型用户属性物品关系时序行为结合多信息的推荐算法第7页结合多信息的推荐算法研究02M-PMF推荐算法框架Online（4）产生推荐Offline（2）用户（物品）关系（3）模型求解（1）数据读入推荐系统由以下三部分组成：输入模块推荐方法模块输出模块用户属性物品关系时序行为第8页结合多信息的推荐算法研究03模型建立考虑用户属性的PMF,ˆiiitttQUKU用户的潜在特征，受到相似用户的影响,,ˆˆiTTijijittjtQRUVKUV,(U,U)(U,U)(U,U)(U,U)itgitoitaitzitSSimSimSimSim性别职位年龄邮编ijRjViUVU2tU1tU...tpUUiVjitK2itK1itpKjjQpQtR考虑物品关系的PMF物品的潜在特征，受到相似物品的影响,ˆjjjkkkFVPV,,()(),22,,()()()()ˆˆ()()ˆˆ()()ijiikiiUjUkjkijiikiiUjUkiUjUkRRRRSRRRRijRjViUVU...1kV2kVkfVUiVjjkP1jkP2jKfPjjFfFkR,j,kˆˆjTTijijikkFRUVPUV第9页结合多信息的推荐算法研究03模型建立考虑时序行为的PMF用户和物品的潜在特征，受到相似用户和物品的影响：ˆiiinnnNUTUˆjjjmmmNVSV(,)inininWTfUU52012181334U1(30)U2(85)U3(45)U4(60)U5(105),iˆˆˆijTTijijnjmnmnNmNRUVTSUVijRjViUVU2nU1nU...nrU...1mV2mVmbVUiVjinT2inT1inlTjmS1jmS2jmbSjjNbNmiiNrNnR第10页结合多信息的推荐算法研究04模型融合2222,012112211(U,V|R,KP,TS,,,)(R|R++,)(U|0,)(V|0,)ijUVINMijijNMiUjVijpNRRNINI，，ijRjViUVU2nU1nU...nrU...1mV2mVmbVUiVjinT2inT1inlTjmS1jmS2jmbSijRjViUVU2tU1tU...tpUUiVjitK2itK1itpKijRjViUVU...1kV2kVkfVUiVjjkP1jkP2jKfPjjFfFkjjNbNmiiNrNnjjQpQtijR，三种模型融合成一个模型第11页结合多信息的推荐算法研究05模型求解2222,012112211(U,V|R,KP,TS,,,)(R|R++,)(U|0,)(V|0,)ijUVINMijijNMiUjVijpNRRNINI，，对数处理为得到用户和物品潜在特征矩阵，即求解当后验概率最大时的用户和物品的潜在特征矩阵最大化（1）式等同于最小化（2）利用梯度下降法，求取每个用户...