摘要：随着互联网的快速普及，电子商务平台中商品与用户的数量日益增加，面对大量无序且复杂的用户以及商品信息，设计出良好的电子商务平台商品推荐系统变得尤为重要。本文在基础的基于内容的推荐算法、协同过滤推荐算法以及基于上下文推荐算法的基础上作出相应的改进，进一步提高推荐系统的性能，与此同时，本文给出对推荐系统冷启动问题可能的解决方案并且提出多层微服务推荐系统服务架构。

-

关键词:个性化推荐，协同过滤，冷启动

目录

摘要

Abstract

一、 引言-1

(一)背景及意义-1

(二)研究现状-1

二、用户数据分析和算法评测-2

(一) 用户数据分类-2

1.用户行为数据-2

2.用户标签数据-2

3.用户上下文信息数据-3

4.社交网络数据-3

(二) 常用推荐系统性能指标分析-4

1.预测评分准确度-4

2.预测评分关联-5

3.分类准确度-5

4.覆盖率-5

5.多样性-6

6.新颖性-6

7.健壮性-6

三、商品推荐算法改进与设计-7

(一) 基于内容的推荐系统的基本原理-7

(二) 用户与物品文档表示方式-7

(三) 基于用户原创内容的商品推荐算法实现与改进-8

(四) 基于用户的协同过滤算法实现与改进-11

(五) 基于物品的协同过滤算法的实现与改进-13

(六) SVD推荐算法实现-15

(七) 基于用户上下文推荐算法设计-16

四、电子商品推荐系统冷启动问题解决方案-17

(一) 冷启动问题简介-17

(二) 冷启动问题可能的解决方案-18

1. 产品激发用户兴趣-18

2.引导用户表达喜好-18

3.利用社交网络数据信息-19

五、个性化推荐系统功能与架构设计-19

(一) 平台主要功能设计-19

1.用户注册功能-19

2.引导用户表示兴趣功能-19

3.用户购物车功能以及用户对商品和店家评分功能-19

4.社区好友功能-20

5.商家发布商品功能-20

(二) 推荐系统架构设计-20

六、总结-21

参 考 文 献-22

致谢-24