● 摘要
推荐系统是电子商务网站用来向顾客提供商品信息和建议，并模拟商店销售人员帮助顾客方便地完成购买过程的自动化系统。随着电子商务的快速发展，许多著名的电子商务网站都开发了推荐系统对顾客进行个性化信息推荐服务。电子商务推荐系统近年来在理论和实践上都得到了很大发展。除了传统的协同过滤推荐和基于内容的推荐外，学者还对推荐技术进行了改进和研究，不断有学者提出新的思想和算法，并将数据挖掘技术、统计技术等各种先进的思想融入到推荐算法中来，对电子商务推荐系统的发展起到了很大的推动作用。本文对基于项目的协同过滤推荐算法（Item-based Collaborative Filtering algorithm）进行了改进，引入了项目类别因素对项目相似性计算的影响，并且在评分预测时考虑了两种推荐策略，在数据比较稀疏的情况下这种方法能够得到较好的推荐效果。相对于大部分推荐技术是基于用户和项目两维信息，而没有考虑到可能会对用户的购买行为产生影响的语境信息，本文还研究了在基于项目的协同过滤推荐算法中集成多维语境信息的推荐方法。该方法首先建立集成了语境信息的多维评分模型，然后用降维方法将多维的模型降低到传统的两维评分模型上，并在此基础上用改进的基于项目的协同过滤推荐算法进行评分的预测以及项目的推荐。 利用比较权威的两个数据集对本文提出的方法进行了实证分析和评价，验证了改进的基于项目的协同过滤推荐算法的有效性，并且对在该方法中集成语境信息的算法进行了合理性的论证，从而可以有效解决用户评分数据极端稀疏情况下传统方法存在的不足，有效地提高了电子商务推荐系统的推荐质量。