電子商務推薦系統瓶頸問題研究

電子商務推薦系統是解決信息超載的重要技術。 協同過濾作為推薦系統中廣泛使用的、最成功的推薦算法，還存在諸如稀疏性(sparsity)、冷啓動(cold-start)、可擴展性(scalability) 等制約其進一步發展的瓶頸問題。 本書針對稀疏性問題，提出了非目標用户類型區分理論、領域最近鄰理論、基於Rough 集理論的用户評分項並集未評分值填補方法等； 針對冷啓動問題，提出了一種冷啓動消除方法，包括用户訪問項序理論、n 序訪問解析邏輯、改進的最頻繁項提取算法IMIEA、用户訪問項序的Markov 鏈模型等； 針對可擴展性問題，提出了適應用户興趣變化的協同過濾增量更新機制； 最後設計並實現了一個電子商務協同過濾原型系統ECRec。 ^[1] 

前言

第1章緒論

第2章傳統協同過濾及其評價方法

第3章面向KNN法的稀疏性緩解理論研究

第4章基於用户訪問項序的冷啓動消除方法研究

第5章面向可擴展性的增量更新機制研究

第6章電子商務協同過濾系統ECRec的設計與實現

第7章總結與展望

參考文獻 ^[1]