电子商务推荐系统关键技术研究开题报告

1. 研究目的与意义

随着互联网的普及和电子商务的发展，电子商务系统在为用户提供越来越多选择的同时，其结构也变得更加复杂。

一方面，用户面对大量的商品信息束手无策，经常会迷失在大量的商品信息空间中，无法顺利找到自己需要的商品；另一方面商家也失去了与消费者的联系。

电子商务推荐系统直接与用户交互，模拟商店销售人员向用户提供商品推荐，帮助用户找到所需商品，从而顺利完成购买过程。

2. 国内外研究现状分析

国际上电子商务推荐系统研究主要基于协同过滤算法，而协同过滤的最早概念是1992年由Goldberg等人正式提出的，其应用于过滤电子邮件，并开发出了Tapestry系统。1996年Minnesota大学的研究人员应用协同过滤原理构建了电影推荐网站MovieLens。Ringo是由麻省理工大学研究人员设计的，向用户进行音乐推荐的网站。系统要求用户对作曲家进行评比，以评比的相似度为基础对用户做出项目推荐。Jester是一个笑话推荐系统，笑话评分范围为一个连续的区间。同样的也是先计算相似用户，在此基础上对用户做出项目推荐。

随着电子商务规模的扩大，推荐系统的实时性研究逐渐成为研究热点，得到了越多越多研究者的关注。Herloeker等人提出了将协同过滤技术应用到商品推荐的框架。Sarwar等人提出了基于关联规则挖掘的推荐系统，提出了基于Bayesian分类挖掘的推荐系统并提出使用聚类分析将用户划分为不同的组，．从而有效减小搜索空间。通过项聚类分析，从而在用户评分数据的子集上搜索最近邻居。文中提出使用奇异值分解技术减少项空间的维数，提高最近邻居搜索速度。提出了通过RecTree方法有效减小搜索空间，从而满足推荐系统的实时性要求。

目前国内研究尚处于起步阶段，相关学者正在研究实验当中，分析当前网络发展趋势，电子商务推荐系统关键技术不可或缺，前景广阔，且仍然要提高推荐的精确度，正确度以满足用户的不同需求，解决互联网用户的实际问题。

3. 研究的基本内容与计划

随着互联网技术的发展，大众可以通过网络获取各种信息，互联网的日益普及深刻改变着人们的日常生活。为更好的实现用户网络购物等方面的隐含需求，推荐给用户最准确信息，电子商务推荐系统满足一下功能要求。

1) 课题的研究背景及意义，并对国内外研究现状进行概述。

2) 电子商务的基本概念，电子商务推荐系统构成及电子商务中采用的各种推荐技术。并对各种个性化推荐技术进行介绍，最后综合比较各种个性化推荐技术的优缺点。

4. 研究创新点

(1)在构建用户评估矩阵时，对传统的构建方法进行改进，对解决电子商务所带来的相关缺陷，提高系统推荐的准确率提出新的方法。

(2)将用户对项目的评价与邻居用户对项目的评价结合起来。在进行推荐

的过程中，综合考虑所有用户对某项目的整体评分与在最近邻居集中的用户对项目的评分，通过新的推荐项目公式将推荐的效率提高。