基于人類消費行為的互聯(lián)網購物平臺推薦系統(tǒng)研究.pdf

1、隨著互聯(lián)網在我國的快速發(fā)展，網絡購物在現(xiàn)代社會已成為一種快捷且常見的購物方式。其商品種類不斷豐富，購物層次不斷變向多元，數量也在迅猛增長，形成了網絡購物中“信息過載”的情況，由此帶來的消費者難以找到興趣商品、搜索耗費時間長、用戶體驗差等問題與日俱增。在此情況下，用戶對于個性化商品篩選與推送的需求也越發(fā)迫切。
　　個性化推薦系統(tǒng)是通過用戶行為或評分數據了解用戶需求與興趣，向用戶推薦其感興趣的商品，即為電子商務平臺模擬商店導購員在網絡

2、平臺為消費者提供商品推薦以協(xié)助消費者更好地完成購物的一個系統(tǒng)。個性化推薦系統(tǒng)將能減少用戶找尋理想商品的時間，提高交易的效率，提升用戶的使用體驗，使得平臺更具競爭力，提高用戶忠誠度。因此，各大網絡購物與社交平臺紛紛推出個性化推薦系統(tǒng)，旨在解決“信息過載”帶來的一系列問題，而對于推薦系統(tǒng)的研究也成為目前社會中較為熱門的一個研究領域。
　　本文將基于人類在消費過程中的行為數據進行互聯(lián)網購物平臺推薦系統(tǒng)的研究，以期能夠得出優(yōu)秀算法，幫助消

3、費者提高購物效率，優(yōu)化網絡購物體驗，幫助網絡平臺實現(xiàn)更優(yōu)質服務，為我國互聯(lián)網平臺的發(fā)展盡自己的一份綿薄之力。
　　本文首先對研究背景、意義以及邏輯框架進行闡述，然后總結前人研究成果與目前應用現(xiàn)狀，并對傳統(tǒng)的基于協(xié)同過濾的推薦算法以及基于分類模型的推薦算法進行理論介紹，所用算法包括基于用戶的協(xié)同過濾算法、基于項目的協(xié)同過濾算法、邏輯回歸、決策樹分類方法、隨機森林以及最近鄰分類器等，理論研究之后使用阿里平臺消費者操作行為歷史記錄數據對

4、上述幾種傳統(tǒng)推薦算法進行實證研究，并使用準確率、召回率以及綜合判別指標對模型優(yōu)劣進行判別，得到模型結果后利用綜合判別指標進行篩選，篩選出最優(yōu)算法對其進行創(chuàng)新改進，得到改進結果之后對原始的傳統(tǒng)算法和改進后的算法進行比較與分析，最終得到最優(yōu)模型:在邏輯回歸的基礎上加入人工規(guī)則，形成最終推薦系統(tǒng)模型，其準確率為6.06％，召回率為17.91％，綜合評價指標為9.06％。最后，對本文所做工作進行總結，并對未來應用領域進行了簡述，指出本文創(chuàng)新之處