电子商务个性化推荐系统的应用

第１朗　张永攀等．电子商务个性化推荐系统的应用　７３　度量标准。它的数学表达式如下：　Ｎ　由图４可以看出：随着项目数的增加，３种算法　∑１　Ｐ　一ｑ　１　ＭＡＥ：旦—　的推荐准确率都有不同程度的下降，但是相比较而　言本文所提出的基于用户特征的个性化推荐算法的　推荐准确率下降并不明显。　其中，Ｐ，表示预测值；ｑ。表示真实值；Ｎ表示测试数　据的总数量；ＭＡＥ值越小说明推荐的精确度越高。　为验证基于用户特征的个性化推荐算法的性能，本　文采用了Ｍｏｖｉｅ　Ｌｅｎｓ电影网站提供的数据进行实　验。选取了其中２Ｏ个用户对５０部电影的评分信息　作为原始数据，将其中７Ｏ　的信息作为已知，３Ｏ　的信息用来测试推荐的精度，将本文算法和协同过　５　结　论　本文介绍了基于语义的发布／订阅系统的概念　和相关理论知识，分析了它在电子商务推荐系统中　的应用前景，并在传统电子商务推荐系统的基础上　设计了一种个性化电子商务推荐系统模型，并提出　了一种基于用户特征的个性化推荐算法。最后通过　滤推荐算法以及基于内容的推荐算法的推荐准确率　进行了统计，结果如图４所示。　实验，将本文提出的算法同传统的推荐算法进行了　比较，验证了算法的可行性和合理性。本文所提出　的个性化电子商务推荐系统模型中，最大的技术难　点是领域本体库的建立。相信随着语义本体库技术　的日臻成熟，基于语义的发布／订阅系统在电子商务　推荐系统中的应用将会更加的广泛。　样本数量／个　图４　３种推荐算法的ＭＡＥ数值对比　参　考　文　献　［１］周玉妮．移动商务应用的个性化推荐模式ｊ－Ｊ］．通信企业管理，２０１２（１）：３７—３８．　［２］　肖敏．基于领域本体的电子商务推荐技术研究［Ｄ］．武汉：武汉理工大学，２００９．　［ｓ３　冯锡炜，张同卫，薛峰．分布式信息资源发布订阅推荐模型研充［ｊ］．辽宁石油化工大学学报，２００８，２８（４）：６５—６８．　［４］Ｂｅｒｎｅｒｓ—Ｉ　ｅｅ　Ｔ，Ｈｅｎｄｌｅｒ　Ｊ，Ｌａｓｓｉｌａ　Ｏ．Ｔｈｅ　ｓｅｍａｎｔｉｃ　ｗｅｂ［Ｊ］．Ｓｃｉｅｎｔｉｆｉｃ　Ａｍｅｒｉｃａｎ，２００１，２８４（５）：３４—４３．　［５］　冯锡炜．分布式信息资源主动发现模型研究与应用［Ｄ］．大连：大连海事大学，２０１０．　［６］　Ｎｏｙ　Ｎ　Ｆ，Ｍｃ　Ｇｕｉｎｎｅｓｓ　Ｄ　Ｉ　．Ｏｎｔｏｌｏｇｙ　ｄｅｖｅｌｏｐｍｅｎｔ１０１：ａ　ｇｕｉｄｅ　ｔＯ　ｃｒｅａｔｉｎｇ　ｙｏｕｒ　ｆｉｒｓｔ　ｏｎｔｏｌｏｇｙ［ＥＢ／０Ｌ］．（２００９—１０—２５）　［２０１１－０９—２０］．ｈｔｔｐ：／／ｐｒｏｔｅｇｅ．ｓｔａｎｆｏｒｄ．ｅｄｕ．　Ｅ７］Ｍｕｓｅｎ　Ｍ，Ｎｏｙ　Ｎ，０　Ｃｏｎｎｏｒ　Ｍ，ｅｔ　ａ１．ＳｔａｎｆｏｒｄＣｅｎｔｅｒ　ｆｏｒ　Ｂｉｏｍｅｄｉｃａｌ　ｉｎｆｏｒｍａｔｉｃｓ　ｒｅｓｅａｒｃｈ［ＥＢ／０Ｉ　］．（２００８—０９—１５）Ｅ２ｏ１１—　０９—２０］．ｈｔｔｐ：／／ｐｒｏｔｅｇｅ．ｓｔａｎｆｏｒｄ．ｅｄｕ．　［８］　Ｗ３Ｃ　ＯＷＩ　Ｗｏｒｋｉｎｇ　Ｇｒｏｕｐ．ＯＷＩ　２　ｗｅｂ　ｏｎｔｏｌｏｇｙ　ｌａｎｇｕａｇｅ　ｄｏｃｕｍｅｎｔ　ｏｖｅｒｖｉｅｗ［ＥＢ／ＯＬ］．（２００９—１０—２７）［２０１１—０９—２０］．　ｈｔｔｐ：／／ｗｗｗ．ｗ３．ｏｒｇ／ＴＲ／ｏｗｌ２一ｏｖｅｒｖｉｅｗ．　［９］　刘琼，李宝敏．一种果品领域本体库的构建方法［Ｊ］．计算机技术与发展，２００９，１９（１）：１９８—１９９．　（Ｅｄ．：ＺＷ，ＣＰ）