论文部分内容阅读
电子商务是信息化时代中的重要应用。随着电子商务规模的扩大、产品的增多,用户挑选产品变得越来越困难。产品推荐算法因其能够自动挑选出用户可能会选择的产品而越来越受到学术研究和商业应用的关注。本文提出使用产品购买记录中用户群体产生的购买行为信息,对产品本身性质进行度量的研究方法。在保留良好的操作性和扩展性的同时,又能够对产品本身的性质进行定量化的度量。并使用该种度量指标对现有的产品推荐算法进行改进。使用产品推荐研究中常用的现实标杆数据集对改进前后的算法进行仿真检验和仿真结果比较,发现改进后的产品推荐算法能够产生更准确的推荐结果。具体包括以下四个方面:1、创新地提出使用用户群体行为信息(称为协同信息)对产品性质进行定量化度量,并使用该种协同式的度量指标改进产品推荐算法的研究思路。用户购买行为信息便于收集和统计,利用协同信息可保证可操作性;而对产品性质的定量化度量有助于改善产品推荐的效果。两者的结合则能够以相对较低成本对产品的性质进行刻画和度量,从而改进产品推荐算法的推荐效果。2、提出三种不同产品特性的协同式度量指标,并给出数学定义。分别从时间、空间和不确定性三个方面,提出对产品特性进行协同式定量度量的三个指标,分别分析其现实意义,并进行数学定义。3、使用其中产品市场持久性的度量指标对现有产品推荐算法进行改进,仿真检验结果证明比改进前算法有效。使用产品推荐算法研究中常用的现实标杆数据集对改进前后算法进行仿真检验。仿真结果证实该度量指标可以有效地提高改进后算法的推荐效果。4、总结基于协同式产品特性度量的研究方法的一般性应用流程。应用此种研究方法的流程包括数据收集与存储,数据分析与定量结果生成,结果的整理、评估与发布三个阶段。需要特别关注:从数据归纳协同对象行为特征的过程、协同信息与产品性质的对应关系、以及应用中的成果发布和分享等方面。本文创新地提出了使用用户群体行为信息对产品性质进行定量化度量的研究思路,定义并使用该种度量指标改进产品推荐算法,改善了现有产品推荐算法的产品推荐效果。有助于消费者有效地从大量的产品信息中快速准确地筛选出需要的物品;有助于商家增加销售机会,提高产品销售收益;有助于从整体上提高电子商务平台服务水平。