隨著互聯(lián)網(wǎng)的快速發(fā)展,信息逐漸增多,數(shù)據(jù)量呈現(xiàn)指數(shù)級增長,由此引發(fā)了大數(shù)據(jù)時代的到來。在這種環(huán)境下,信息過載問題隨之而來,人們獲取有效信息的難度也因信息過載問題的愈發(fā)凸顯而急劇提升。如何解決信息過載問題也逐漸成為一個研究熱點,推薦系統(tǒng)就是一個解決問題的有力辦法。推薦系統(tǒng)能夠根據(jù)項目信息或者用戶信息,通過一定的匹配計算和相似度計算,對眾多的目標(biāo)用戶沒有接觸的項目進(jìn)行評分預(yù)測,通過排序、過濾,提取評分最高的Top-N項目作為推薦結(jié)果反饋給用戶。在當(dāng)前的推薦系統(tǒng)的研究領(lǐng)域,主要研究的推薦算法有三種:基于內(nèi)容推薦算法、協(xié)同過濾推薦算法、混合推薦算法。針對在線商品而言,現(xiàn)有的這三種推薦算法的推薦依據(jù)基本都以各種文本內(nèi)容為主,比如商品描述、評分信息、用戶信息等內(nèi)容,但是除了上述文本內(nèi)容之外,商品信息還有其他表現(xiàn)形式,如商品類別屬性、商品圖像信息等。此外,用戶對在線商品的關(guān)注點也更多地從文本描述轉(zhuǎn)為視覺圖像特征,因此,商品的圖像等視覺效果對用戶的影響也是不容小覷的。針對上述問題,本文在研究商品推薦時,將商品的內(nèi)容信息分為商品文本內(nèi)容、類別屬性、圖像特征三種,根據(jù)商品的內(nèi)容分類,引入基于文本內(nèi)容的推薦... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

WebofScience中推薦相關(guān)的研究文獻(xiàn)年代分布情況統(tǒng)計圖;

圖1.1 Web of Science 中推薦相關(guān)的研究文獻(xiàn)年代分布情況統(tǒng)計圖根據(jù)表 1.1 和圖 1.1 顯示內(nèi)容可知：電子商務(wù)推薦相關(guān)的研究在近幾年一直是研究熱點，文獻(xiàn)數(shù)量隨年代增長逐漸增加。各個國家（地區(qū)）對某個研究領(lǐng)域的關(guān)注程度可以通過文獻(xiàn)的國家/分布地區(qū)來進(jìn)行統(tǒng)計和體現(xiàn)。根據(jù)國家/地區(qū)對檢索出的文獻(xiàn)進(jìn)行統(tǒng)計分析，并根據(jù)發(fā)文數(shù)量由多到少進(jìn)行排名，得到的分析結(jié)果如表 1.2 和圖 1.2 所示，顯示出發(fā)文數(shù)量最多的 10 個國家/地區(qū)，39 個國家/地區(qū)超出前 10 范圍，在表 1.2 和圖 1.2 的結(jié)果中不顯示。表1.2 Web of Science 中推薦相關(guān)的研究文獻(xiàn)國家/地區(qū)分布情況國家/地區(qū) 記錄文獻(xiàn)數(shù)（個） 百分比（%）PEOPLES R CHINA 508 43.124USA 138 11.715INDIA 104 8.829TAIWAN,CHINA 59 5.008

圖1.2 Web of Science 中推薦相關(guān)的研究文獻(xiàn)國家/地區(qū)分布情況統(tǒng)計圖由表 1.2 和圖 1.2 可知，在電子商務(wù)推薦相關(guān)的研究中，根據(jù)文獻(xiàn)數(shù)量排名情況，中國遙遙領(lǐng)先，是電子商務(wù)推薦領(lǐng)域的領(lǐng)頭國家。文獻(xiàn)的研究方向分布可以看出該領(lǐng)域的研究側(cè)重點方向。在研究方向的分析上，本文的參考指標(biāo)主要有兩個：Web of Science 的結(jié)果分析工具中的研究方向和 Web ofScience 類別。這兩項的分析結(jié)果如表 1.3 和表 1.4 所示。表 1.3 中顯示出發(fā)文數(shù)量最多的 10 個研究方向，表 1.4 中顯示出發(fā)文數(shù)量最多的 10 個 Web of Science 類別。表1.3 Web of Science 中推薦系統(tǒng)相關(guān)的研究方向分布情況研究方向 記錄文獻(xiàn)數(shù)（個） 百分比（%） 柱狀圖COMPUTER SCIENCE 833 70.713ENGINEERING 369 31.324 %BUSINESS ECONOMICS 205 17.402 %OPERATIONS RESEARCH MANAGEMENT125 10.611

【參考文獻(xiàn)】：
期刊論文
[1]一種結(jié)合項目屬性的混合推薦算法[J]. 于波,陳庚午,王愛玲,林川.  計算機系統(tǒng)應(yīng)用. 2017(01)
[2]一種基于信任的協(xié)同過濾推薦模型[J]. 鄭孝遙,鮑煜,孫忠寶,羅永龍.  計算機工程與應(yīng)用. 2016(05)
[3]基于改進(jìn)的局部敏感哈希算法實現(xiàn)圖像型垃圾郵件過濾[J]. 曹玉東,劉艷洋,賈旭,王冬霞.  計算機應(yīng)用研究. 2016(06)
[4]基于商品屬性與用戶聚類的個性化服裝推薦研究[J]. 艾黎.  現(xiàn)代情報. 2015(09)
[5]基于內(nèi)容的熱門微話題個性化推薦研究[J]. 安悅,李兵,楊瑞泰,胡瀝丹.  情報雜志. 2014(02)
[6]個性化推薦系統(tǒng)的多樣性研究進(jìn)展[J]. 安維,劉啟華,張李義.  圖書情報工作. 2013(20)
[7]Novel averaging window filter for SIFT in infrared face recognition[J]. 柏俊峰,馬泳,黎靜,樊凡,王宏遠(yuǎn).  Chinese Optics Letters. 2011(08)
[8]基于改進(jìn)局部敏感散列算法的圖像配準(zhǔn)[J]. 龔衛(wèi)國,張旋,李正浩.  光學(xué)精密工程. 2011(06)
[9]基于SIFT算法的圖像目標(biāo)匹配與定位[J]. 傅衛(wèi)平,秦川,劉佳,楊世強,王雯.  儀器儀表學(xué)報. 2011(01)
[10]基于MapReduce架構(gòu)的文檔相似度計算方法[J]. 洪毅虹.  網(wǎng)絡(luò)與信息. 2010(09)

博士論文
[1]基于商品屬性的電子商務(wù)推薦系統(tǒng)研究[D]. 胡新明.華中科技大學(xué) 2012

碩士論文
[1]基于深度學(xué)習(xí)的協(xié)同過濾模型研究[D]. 余沖.深圳大學(xué) 2017
[2]基于詞向量的文本分類算法研究與改進(jìn)[D]. 王明亞.華東師范大學(xué) 2016
[3]基于深度學(xué)習(xí)特征的圖像推薦系統(tǒng)[D]. 楊宇.電子科技大學(xué) 2015
[4]融合圖像相似性與協(xié)同過濾的個性化推薦算法研究[D]. 蘇棟梁.蘇州大學(xué) 2014
[5]小文本語料庫在Hadoop平臺上的存儲策略研究[D]. 鄭麗潔.華中師范大學(xué) 2014
[6]基于語義領(lǐng)域向量空間模型的文本相似度計算[D]. 唐果.云南大學(xué) 2013
[7]基于圖像內(nèi)容的電商物品檢索與推薦系統(tǒng)研究[D]. 朱鵬新.華南理工大學(xué) 2013
[8]基于內(nèi)容的相關(guān)書籍推薦技術(shù)研究[D]. 商雪晶.哈爾濱工業(yè)大學(xué) 2010
[9]個性化推薦系統(tǒng)技術(shù)與應(yīng)用[D]. 高建煌.中國科學(xué)技術(shù)大學(xué) 2010
[10]基于內(nèi)容的圖像檢索系統(tǒng)中高維索引技術(shù)的研究[D]. 王旭樂.華中科技大學(xué) 2008



本文編號：3249471