基于协同过滤视角的电子商务推荐系统研究与实现开题报告

1. 研究目的与意义

Internet推动了电子商务的飞速发展，网络作为一个全新的销售渠道、采购渠道和客户渠道，越来越受到企业的消费者的重视。实施电子商务系统对企业的服务提出了诸多新要求，包括商品质量的保证、送货及时性、商品选购舒适度、退货便利性等，其中最为突出的一个问题就是商品选购的个性化推荐。

由此可见，个性化推荐系统在电子商务领域具有非常好的应用前景，是电子商务技术中重要的研究内容。推荐系统通过预测用户的喜好对用户做出推荐，为用户进行信息过滤。协同过滤是经常被采用的解决信息过载问题的方法，是个性化推荐的主要方法之一。

2. 国内外研究现状分析

为了产生精确的推荐,保证推荐系统的实时性要求,研究者提出了各种不同的推荐算法,如协同过滤推荐系统、基于项目的协同过滤推荐、bayesian 网络技术、聚类技术、关联规则技术以及基于图的horting 图技术等。

typestry是最早提出来的基于协同过滤的推荐系统,目标用户需要明确指出与自己行为比较类似的其他用户。grouplens是基于用户评分的自动化协同过滤推荐系统,用于推荐电影和新闻。ringo 推荐系统和video推荐系统通过电子邮件的方式分别推荐音乐和电影。breese等人对各种协同过滤推荐算法及其改进进行了深入分析。

传统的协同过滤推荐通过用户的最近邻居产生最终的推荐,基于项目的协同过滤推荐首先计算项目之间的相关性,然后通过用户对相关项目的评分预测用户对未评分项目的评分。

3. 研究的基本内容与计划

本论文的目标是要讨论基于协同过滤视角的电子商务推荐系统的相关研究与实现。

本论文的主要内容有以下几个方面:

（1）讨论课题的研究背景及意义，简介目前国内外的推荐系统研究现状；

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，对解决用户项

目矩阵的稀疏性，提高系统推荐的覆盖率提出新的方法。

(2)自适应性好，随时间推移，推荐质量会提高；充分的隐式反馈，能够减少用户的反馈量，加快个性化学习的速度。