个性化推荐系统

《个性化推荐系统》由会员分享，可在线阅读，更多相关《个性化推荐系统（4页珍藏版）》请在金锄头文库上搜索。

1、个性化推荐系统（Personalized Recommender Systems） =个性化推荐系统简介=个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用 户感兴趣的信息和商品。随着电子商务规模的不断扩大，商品个 数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。 这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的 消费者不断流失。为了解决这些问题，个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商 务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持 和信息服务。购物网站的推荐系统为客户推荐商品, 自动完成个性化 选择商

2、品的过程, 满足客户的个性化需求, 推荐基于: * 网站最热卖商品* 客户所处城市*客户过去的购买行为和购买记录, 推测客户将来可能的购买行为在电子商务时代, 商家通过购物网站提供了大量的商品, 客户无法一眼通 过屏幕就了解所有的商品,也无法直接检查商品的质量. 所以,客户需要一 种电子购物助手,能根据客户自己的兴趣爱好推荐客户可能感兴趣或者满意的商 品=个性化推荐系统的发展历程=1995 年 3 月，卡耐基.梅隆大学的 Robert Armstrong 等人在美国人工智 能协会上提出了个性化导航系统 Web Watcher; 斯坦福大学的 Marko Balabanovic 等人在同一会议上

3、推出了个性化推荐系统 LIRA；1995 年 8 月，麻省理工学院的 Henry Lieberman 在国际人工智能联合 大会（IJCAI）上提出了个性化导航智能体 Litizia；1996 年， Yahoo 推出了个性化入口 My Yahoo；1997 年，AT 1999 年，德国 Dresden 技术大学的 Tanja Joerding 实现了个性化电子商 务原型系统 TELLIM；2000 年，NEC研究院的 Kurt 等人为搜索引擎CiteSeer 增加了个性 化推荐功能；2001 年，纽约大学的 Gediminas Adoavicius 和 Alexander Tuzhilin 实现

4、了个性化电子商务网站的用户建模系统 1：1Pro；2001 年，IBM 公司在其电子商务平台 Websphere 中增加了个性化功能， 以便商家开发个性化电子商务网站；=个性化推荐系统的算法=电子商务推荐系统的主要算法有：（1） 基于关联规则的推荐算法（Association Rule-based Recommendation）（2） 基于内容的推荐算法 (Content-based Recommendation)内容过滤主要采用自然语言处理、人工智能、概率统计和机器学习等 技术进行过滤。通过相关特征的属性来定义项目或对象,系统基于用户评价对象的特征 学习用户的兴趣,依据用户资料与待预测项目的

5、匹配程度进行推荐，努力向 客户推荐与其以前喜欢的产品相似的产品。如新闻组过滤系统 News Weeder。 基于内容过滤的系统其优点是简单、有效。其缺点是特征提取的能力有限， 过分细化，纯基于内容的推荐系统不能为客户发现新的感兴趣的资源,只能 发现和客户已有兴趣相似的资源。这种方法通常被限制在容易分析内容的商品 的推荐，而对于一些较难提取出内容的商品，如音乐 CD、电影等就不能产生满 意的推荐效果。（3） 协同过滤推荐算法 （Collaborative Filtering Recommendation）协同过滤是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。 与传统的基于内容过滤直接分析

6、内容进行推荐不同，协同过滤分析用户兴趣， 在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息 的评价，形成系统对该指定用户对此信息的喜好程度预测。 与传统文本过滤相比，协同过滤有下列优点:1）能够过滤难以进行机器自动基于内容分析的信息。如艺术品、音乐;2）能够基于一些复杂的，难以表达的概念（信息质量、品位)进行过滤;3）推荐的新颖性。 正因为如此，协同过滤在商业应用上也取得了不 错的成绩。Amazon，CDNow，MovieFinder，都采用了协同过滤的技术来提高服务质量。 缺点是:1）用户对商品的评价非常稀疏，这样基于用户的评价所得到的用户间的相 似性可能不准确（即稀疏性

7、问题）;2）随着用户和商品的增多，系统的性能会越来越低（即可扩展性问题）;3）如果从来没有用户对某一商品加以评价，则这个商品就不可能被推荐 （即最初评价问题） 。因此，现在的电子商务推荐系统都采用了几种技术相结合 的推荐技术。=个性化推荐系统的作用=个性化推荐的最大的优点在于，它能收集用户特征资料并根据用户特征， 如兴趣偏好，为用户主动作出个性化的推荐。而且，系统给出的推荐是可以实 时更新的，即当系统中的商品库或用户特征库发生改变时，给出的推荐序列会 自动改变。这就大大提高了电子商务活动的简便性和有效性，同时也提高了 企业的服务水平。总体说来，一个成功的个性化推荐系统的作用主要表现在以下三个方

8、面：1） 将电子商务网站的浏览者转变为购买者：电子商务系统的访问者 在浏览过程中经常并没有购买欲望，个性化推荐系统能够向用户推荐他们 感兴趣的商品，从而促成购买过程。2）提高电子商务网站的交叉销售能力：个性化推荐系统在用户购买过 程中向用户提供其他有价值的商品推荐，用户能够从系统提供的推荐列表 中购买自己确实需要但在购买过程中没有想到的商品，从而有效提高电子商务 系统的交叉销售。3）提高客户对电子商务网站的忠诚度：与传统的商务模式相比，电子商务 系统使得用户拥有越来越多的选择，用户更换商家极其方便，只需要点击一两 次鼠标就可以在不同的电子商务系统之间跳转。个性化推荐系统分析用户的 购买习惯，根

9、据用户需求向用户提供有价值的商品推荐。如果推荐系统的 推荐质量很高，那么用户会对该推荐系统产生依赖。因此，个性化推荐系统不 仅能够为用户提供个性化的推荐服务，而且能与用户建立长期稳定的关系，从 而有效保留客户，提高客户的忠诚度，防止客户流失。个性化推荐系统具有良好的发展和应用前景。目前，几乎所有的大型电子 商务系统，如 Amazon、eBay等，都不同程度的使用了各种形式的推荐系统。 各种提供个性化服务的 Web 站点也需要推荐系统的大力支持。在日趋激烈的 竞争环境下，个性化推荐系统能有效的保留客户，提高电子商务系统的服务能力。成功的推荐系统会带来巨大的效益。= 个性化推荐系统的应用 =目前，在国内外不少软件公司都可以为电子商务网站提供推荐引擎。在国 外推荐引擎技术的应用已经非常的成熟，并且推荐系统的应用也非常广泛，如 baynote, strands, richrelevence ；在国内的公司中研发推荐引擎技术比较 成熟的公司如百分点信息科技的百分点推荐引擎。扩展阅读： 1.http:/ 2.http:/ 扩展阅读： 1.http:/ 2.http:/