基于协同过滤算法的电子商务推荐方法研究与改进开题报告

1. 研究目的与意义

我选择的毕业设计题目是《基于客户行为的电子商务推荐系统的研发》

选择这个题目的理由：当今社会中，互联网技术的急速发展和迅速普及为交易行为和商务办公电子化、互联网化奠定了基础、提供了发展动力。其中，电子商务技术的发展催生出的新兴的网络商业模式需要进一步完善和升级。其中所需的条件不仅仅是计算机技术设施建设的不断完善和不断发展，更重要的应该是电子商务技术领域的内部应与客户端如何紧密联系的进一步思考。该系统应该是基于客户行为的，换句话说，系统需要进化得更为智能以至于可以通过存储并识别用户浏览的内容或者收藏的商品，将所得的信息分类整理，在用户每次登录网站时能够将同类型的商品个性化推荐。因此，基于客户行为的电子商务推荐系统应运而生，作为拉近客户关系的一个重要手段，它需要不断更新与发展。

选择这个题目的意义：从整体来看，智能化推荐系统无疑就是模拟实体店的商品销售员对客户进行服务，这种个性化推荐可以节省客户的时间和精力，提高交易效率，从而更有效地拉近客户关系。另外，通过相关联想，可以增加电子商务网站端的#8220;交叉销售能力#8221;，增加相关产业和商品的销售能力，有利于提高网站收益。

2. 研究内容和预期目标

研究内容：其实主流的推荐系统有两种，一种以网页为推荐对象，一种是在电商平台上以商品为交易对象，主要的研究内容为后者。而电子商务推荐系统的主要部分就是算法，算法研究也是我的主要研究内容。最热门的算法就是协同过滤算法，我将在文章中探寻算法的实质以及就如何提高算法性能展开一连串的讨论。

拟解决的关键问题：最关键问题就是在如何提高协同过滤算法性能上，即如何优化传统的协同过滤算法。就我看来传统的协同过滤算法有以下几个缺陷：

第一，数据稀疏问题，因为用户不可能给每一件商品都规规矩矩的打分，这导致评分矩阵零元素多，数据稀疏，不能准确的预测。

3. 国内外研究现状

赵冬伟在《电子商务推荐系统现状研究》（2011）中指出，#8220;信息的海量性是目前电子商务面临的一大负面问题，推荐系统有助于客户减少时间成本和搜索成本，其中发展最为快速、最为主流的推荐技术是协同过滤技术#8221;。

匡浩在《基于消费者行为的电子商务推荐系统接受度及策略研究》（2010）表示，#8220;电子商务推荐系统研究将会涉及到应用数学、信息科学、统计学等不同学科，与此同时，它也和管理科学和消费行为等学科密切相关，因此研究这个系统，不能仅仅从技术角度出发，还要建立客户模型，比如，可以选取霍金斯消费者模型作为研究基础#8221;。

国外许许多多的学者专家也对这一技术进行了大量的研究，例如，schechter等人以客户的访问路径为研究对象，预测客户未来可能的请求，并让代理服务器执行预提取操作，将相关网页页面放入到高速缓冲存储器中，从而提升了客户的访问速度。

4. 计划与进度安排

研究进度预估：

2022年11月10日至2022年12月05日：学习规范化要求，搜集和查阅资料

2022年12月06日至2022年1月06日：初拟开题报告及提纲并上交

5. 参考文献

[1]朱岩,林泽楠.电子商务中的个性化推荐方法评述[j].中国软科学.2009,2

[2]邓爱林.电子商务推荐系统关键技术研究[d].复旦大学博士学位论文,2003

[3]匡浩.基于消费者行为的电子商务推荐系统接受度及策略研究[d].中央财经大学硕士学位论文,2010