文档介绍：分类号学号 D200777798
学校代码 10487 密级
博士学位论文
基于商品属性的电子商务
推荐系统研究
学位申请人: 胡新明
学科专业: 管理科学与工程
指导教师: 张金隆教授
詹文杰教授
答辩日期: 2012 年 4 月 21 日
A Dissertation Submitted in Partial Fulfillment of the Requirements
for the Degree of Doctor of Philosophy in Management
Research on mender System Based on
Product Attributes
Candidate : Hu Xinming
Major : Management Science and Engineering
Supervisor : Prof. Zhang Jinlong
Prof. Zhan Wenjie
Huazhong University of Science and Technology
Wuhan, Hubei 430074, P. R. China
April 21, 2012
独创性声明
本人声明所呈交的学位论文是我在导师指导下进行的研究工作及取得的研究成
果。文中除已经标明引用的内容外,不包含任何其他个人或集体已经发表或撰写过
的研究成果。对本文的研究做出贡献的个人和集体,均已在文中以明确方式标明。
本声明的法律责任由本人承担。
学位论文作者签名:
日期: 年月日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权
保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。
本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检
索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
保密□,在年解密后适用本授权书。
本论文属于
不保密□。
(请在以上方框内打“√”)
学位论文作者签名: 指导教师签名:
日期: 年月日日期: 年月日
华中科技大学博士学位论文
摘要
推荐系统是解决信息过载问题的有效手段,已经引起了企业界和学术界的广泛关
注。为了减少稀疏矩阵、冷启动等问题对推荐过程的影响,改善推荐系统的推荐效
果和解释能力,本研究在对现有的电子商务推荐系统研究成果分别从信息技术和商
务应用的角度进行了梳理和分类的基础上,从信息粒度和信息来源的角度研究了商
品的属性知识和用户对商品属性的偏好信息在推荐系统中的作用机理。
论文首先针对用户经常消费的商品提出了基于商品属性的推荐算法和流程。参考
信息检索领域的TFIDF算法,提出了在不增加消费者反馈工作量的前提下,将传统的
用户商品评分矩阵转化为用户商品属性评分矩阵的方法,并以此评分矩阵为基础提
出了基于商品属性效用叠加、基于神经网络和基于属性的协同过滤三种推荐方法。
通过对国际互联网上公开的数据集的计算表明本文提出的矩阵转化方法能够在一定
程度上提升矩阵中数据元素的密度,提出的三种推荐方法也能在不同程度上解决推
荐系统的稀疏矩阵和冷启动的问题。
论文接着针对用户不经常消费的商品提出基于定性的用户购买目标和定量的专
家商品领域知识的交互式推荐算法和流程。该交互式推荐算法以手段目标链理论模
型为理论依据,以商品属性为中介。论文在理论分析的基础上根据设计科学的研究
范式,选用计算机商品为研究对象,设计了包括专家商品领域知识获取和推荐交互
功能的原型系统。实验研究结果表明提出的交互式推荐过程能够明显降低用户对选
购类商品消费过程的感知复杂程度,显著提高用户消费过程中的决策效率。
论文最后提出在线评论中用户商品属性偏好信息的挖掘方法以及这些信息在商
品推荐过程中的作用机理。借鉴现有的自然语言处理技术和数据挖掘方法,给出了
在一定的人工参入下,从用户在线评论中挖掘用户商品属性偏好信息、评论权重信
息、用户商品评分信息的算法和流程,同时分析了获取的这些信息作为商品领域知
识或用户商品偏好模型信息来源应用于推荐过程的不同作用机理。针对用户对计算
机商品的在线评论的实验研究结果证明了提出的算法和流程的可行性和有效性。
关键词:推荐系统商品属性专家知识用户评论
I
华中