基于过滤方法的用户推荐引擎文献综述

 2022-07-15 07:07

文献综述

推荐引擎是利用平台向客户提供信息和建议,帮助用户决定应该关注什么产品,模拟销售人员帮助客户完成购买过程。推荐引擎是根据用户的兴趣特点和浏览行为,向用户推荐用户感兴趣的信息和产品。

随着信息规模的不断扩大,产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产品。这种浏览大量无关的信息和产品过程无疑会使消费者不断流失。

为了解决这些问题,推荐引擎应运而生。推荐引擎是建立在海量数据挖掘基础上的一种高级智能平台,以帮助网站为其顾客提供完全个性化的决策支持和信息服务。

  1. 推荐引擎和搜索引擎的差异

第一是主被动差异。搜索是一个非常主动的行为,并且用户的需求十分明确,在搜索引擎提供的结果里,用户也能通过浏览和点击来明确的判断是否满足了用户需求。然而,推荐系统接受信息是被动的,需求也都是模糊而不明确的。以“逛”商场为例,在用户进入商场的时候,如果需求不明确,这个时候需要推荐系统,来告诉用户有哪些优质的商品、哪些合适的内容等,但如果用户已经非常明确当下需要购买哪个品牌、什么型号的商品时,直接去找对应的店铺就行,这时就是搜索了。

第二是个性化程度高低差异。目前主流的搜索引擎仍然是以文字构成查询词。据统计用户输入的搜索查询词也大都是比较短小的,而其需求是比较难用精炼的文字来组织。一方面几乎没有用户愿意输入这么多字来找结果,另一方面搜索引擎对语义的理解目前还无法做到足够深入。虽然搜索引擎也可以有一定程度的个性化,但是个性化运作的空间是比较小的。只能自动补全基于注册信息、地理位置等的简单内容,得到类似于天气、美食的一些需求。而推荐系统却可以将这些难以用文字表达的需求良好的满足起来。

二、推荐引擎的主要推荐方法

1 基于内容的推荐

基于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上作出推荐的,而不需要依据用户对项目的评价意见,更多地需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。在基于内容的推荐系统中,项目或对象是通过相关的特征的属性来定义,系统基于用户评价对象的特征,学习用户的兴趣,考察用户资料与待预测项目的相匹配程度。用户的资料模型取决于所用学习方法,常用的有决策树、神经网络和基于向量的表示方法等。基于内容的用户资料是需要有用户的历史数据,用户资料模型可能随着用户的偏好改变而发生变化。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。