电子商务推荐系统瓶颈问题研究

　　电子商务推荐系统是解决信息超载的重要技术。协同过滤作为推荐系统中广泛使用的、*成功的推荐算法，还存在诸如稀疏性（sparsity）、冷启动（cold-start）、可扩展性（scalability）等制约其进一步发展的瓶颈问题。《电子商务推荐系统瓶颈问题研究》针对稀疏性问题，提出了非目标用户类型区分理论、领域*近邻理论、基于Rough集理论的用户评分项并集未评分值填补方法等；针对冷启动问题，提出了一种冷启动消除方法，包括用户访问项序理论、n序访问解析逻辑、改进的*频繁项提取算法IMIEA、用户访问项序的Markov链模型等；针对可扩展性问题，提出了适应用户兴趣变化的协同过滤增量更新机制；*后设计并实现了一个电子商务协同过滤原型系统ECRec。《电子商务推荐系统瓶颈问题研究》可供管理学、计算机科学等相关领域和专业的高校师生、科研院所研究人员、IT企业（尤其是电子商务企业）管理者及技术人员参考使用。

　　李聪，四川西充人，合肥工业大学管理科学与工程博士，电子科技大学管理科学与工程博士后，四川师范大学计算机科学学院副教授、硕士生导师，四川省第十一批学术和技术带头人后备人选，美国匹兹堡大学访问学者。主要从事电子商务与商务智能研究，已主持国家自然科学基金项目等各级科研课题十余项，发表论文四十余篇。马丽，四川西充人，重庆师范大学人文地理学硕士，四川师范大学图书与档案信息中心副教授。主要从事电子商务与信息管理研究，已主持和主研各级科研课题近十项，发表论文二十余篇。

前言
第1章绪论
1.1问题的提出
1.2研究目的与意义
1.3电子商务推荐系统概述
1.3.1定义及任务
1.3.2用户偏好数据
1.3.3相关推荐技术
1.4国内外研究现状
1.4.1协同过滤的起源和发展
1.4.2协同过滤的瓶颈问题
1.4.3稀疏性问题研究现状
1.4.4可扩展性问题研究现状
1.5研究内容与结构安排
第2章传统协同过滤及其评价方法
2.1基于用户的协同过滤
2.1.1表示
2.1.2邻居用户形成
2.1.3推荐生成
2.2基于项目的协同过滤
2.2.1邻居项目形成
2.2.2推荐生成
2.3推荐质量评价方法
2.3.1评价标准
2.3.2实验数据集
2.3.3实验方案
2.4本章小结
第3章面向KNN法的稀疏性缓解理论研究
3.1相关工作分析
3.2非目标用户类型区分理论
3.3基于领域最近邻理论的KNN法
3.3.1领域最近邻理论
3.3.2基于领域最近邻的KNN法描述
3.3.3实验结果及分析
3.4基于Rough集理论的KNN法
3.4.1基于Rough集理论的未评分项填补方法
3.4.2基于Rough集理论的KNN法描述
3.4.3实验结果及分析
3.5本章小结
第4章基于用户访问项序的冷启动消除方法研究
4.1相关工作分析
4.2用户访问项序理论
4.2.1用户访问项序的获取
4.2.2n序访问解析逻辑
4.2.3用户访问项序的相似性计算方法
4.3基于访问项序最近邻的top—N推荐
4.4基于Markov链模型的商品导航推荐
4.4.1Markov链与概率转移矩阵
4.4.2用户访问项序的Markov链模型
4.4.3模型的训练方法
4.5实验结果及分析
4.5.1实验环境、数据集及评价标准
4.5.2实验结果及分析
4.6本章小结
第5章面向可扩展性的增量更新机制研究
5.1相关工作分析
5.2项目相似性增量更新机制
5.2.1增量更新机制的基本思想
5.2.2独立因子的增量值计算方法
5.2.3计算复杂度分析
5.2.4增量更新流程分析
5.3实验结果及分析
5.3.1实验环境、数据集及评价标准
5.3.2实验结果及分析
5.4本章小结
第6章电子商务协同过滤系统ECRec的设计与实现
6.1ECRec的设计
6.1.1系统架构设计
6.1.2功能模块设计
6.1.3系统内存处理设计
6.2ECRec的实现
6.3本章小结
第7章总结与展望
7.1研究工作总结
7.2未来研究展望
参考文献