一种基于可拓学的电子商务内容推荐算法研究

doi:10.12005/orms.2018.0136

运筹与管理 ›› 2018, Vol. 27 ›› Issue (6): 75-81.DOI: 10.12005/orms.2018.0136

一种基于可拓学的电子商务内容推荐算法研究

崔春生¹, 王梦冉¹, 王国成²

1.北京物资学院信息学院,北京 101149;
2.中国社会科学院数量经济与技术经济研究所,北京 100010

收稿日期:2017-04-28 出版日期:2018-06-25
作者简介:男,中国社会科学院博士后,副教授。
基金资助:
北京物资学院高级别科研项目培育基金项目(GJB20162001);北京市教委科技计划一般项目(SQKM201710037002);北京物资学院2017年度“实培计划”项目、北京市教委高水平教师队伍建设青年成长拔尖人才项目(CIT&TCD201704059)联合资助

Research on E-commerce Content-based Recommendation Based on Extension Theory

CUI Chun-sheng¹, WANG Meng-ran¹, WANG Guo-cheng²

1.School of information, Beijing Wuzi University, Beijing 101149, China;
2.Institute of Quantitative ＆ Technical Economics,Chinese Academy of Social Sciences,Beijing 100010, China

Received:2017-04-28 Online:2018-06-25

摘要/Abstract

摘要： 为研究电子商务内容推荐算法,论文从电子商务推荐系统中的瓶颈问题——相似度计算出发,借助可拓学的方法进行分析。论文将可拓学中基元的表示方法引入推荐算法中,并采用关联函数和可拓距的思想,实现了产品的表示和相似度计算,进而得到了一种新的内容推荐算法。然后通过实例分析对算法进行验证,确认了方法的可靠性和有效性。论文的研究将可拓学思想引入到推荐算法中,这对可拓思想的应用以及推荐算法的实现都起到了有益的作用。

关键词: 可拓学, 推荐系统, 内容推荐算法

Abstract: In order to study e-commerce content recommendation algorithm, the research begins with the bottleneck problem of e-commerce recommendation system——the calculation of similarity,and studies it with the help of extenics method. The method introduces the representation of the basic element in the extenics into the recommendation algorithm. It uses the idea of correlation function and the extension distance to realize the representation of product and the calculation of similarity, and then gets a new content recommendation algorithm. After that, the research uses the data of the actual cause to validate the algorithm, and confirms the reliability and validity of the method. The extension theory is introduced into the recommendation algorithm in the study of this research, which plays an important role in the application of extension theory and the implementation of the recommendation algorithm.

Key words: extenics, recommendation system, content-based recommendation

中图分类号:

F713.36

崔春生, 王梦冉, 王国成. 一种基于可拓学的电子商务内容推荐算法研究[J]. 运筹与管理, 2018, 27(6): 75-81.

CUI Chun-sheng, WANG Meng-ran, WANG Guo-cheng. Research on E-commerce Content-based Recommendation Based on Extension Theory[J]. Operations Research and Management Science, 2018, 27(6): 75-81.

参考文献

[1]刘建国,周涛,郭强,汪秉宏.个性化推荐系统评价方法综述[J].复杂系统与复杂性科学,2009,6(3):1-12.
[2]孟祥武,刘树栋,张玉洁,胡勋.社会化推荐系统研究[J].软件学报,2015,26(6):1356-1372.
[3]孟祥武,纪威宇,张玉洁.大数据环境下的推荐系统[J].北京邮电大学学报,2015,38(2):1-15.
[4]Heung-Nam Kim, Inay Ha, Kee-Sung Lee, Geun-Sik Jo, Abdulmotaleb El-Saddik. Collaborative user modeling for enhanced content filtering in recommender systems[J]. Decision Support Systems, 2011, 51(4): 772-781.
[5]崔春生.基于泛函网络的组合推荐算法[J].系统工程理论与实践,2014,34(4):1039-1047.
[6]石慧霞.基于点击反馈模型的内容推荐算法研究[J].机床与液压,2016, 44(12):129-135.
[7]周成林,黄长江,田景凡,李超.基于用户检索历史的个性化内容推荐算法的设计与实现[J].数字技术与应用,2015(10):142-142.
[8]黄宏寅,徐德华.基于推荐完整性的电子商务推荐系统架构的设计[J].计算机应用研究,2010,27(12):4591-4593.
[9]Dooms S, Audenaert P, Fostier J, De Pessemier T, Martens L. In-memory, distributed content-based recommender system[J]. Journal of Intelligent Information Systems, 2014, 42(3): 645-669.
[10]Soares Rcio M, Viana P. Tuning metadata for better movie content-based recommendation systems[J]. Multimedia Tools and Applications. 2015, 74(17): 7015-7036.
[11]顾立志.电子商务推荐系统主要推荐技术研究[J].计算机光盘软件与应用,2014(8):41-42.
[12]陈宗言,颜俊.基于稀疏数据预处理的协同过滤推荐算法[J].计算机技术与发展,2016,26(7):59-64.
[13]高倩,何聚厚.改进的面向数据稀疏的协同过滤推荐算法[J].计算机技术与发展,2016,26(3):63-66.
[14]Sharifi Z, Rezghi M, Nasiri M. A new algorithm for solving data sparsity problem based-on non negative matrix factorization in recommender systems[J]. International Econference on Computer & Knowledge Engineering, 2014(10): 56-61.
[15]Niu J, Wang L, Liu X, Yu S. FUIR: fusing user and item information to deal with data sparsity by using side information in recommendation systems[J]. Journal of Network & Computer Applications, 2016,70: 41-50.
[16]Dekang Lin. An information-theoretic definition of similarity[J]. Proceedings of the Fifteenth International Conference on Machine Learning, 1998, 1(2): 296-304.
[17]唐积益,黄树成.优化相似度计算在推荐系统中的应用[J].电子设计工程,2015,23(23):46-48.
[18]崔春生.基于Vague集的网上机票比价研究[J].系统工程理论实践,2015,35(2):437-444.

一种基于可拓学的电子商务内容推荐算法研究

Research on E-commerce Content-based Recommendation Based on Extension Theory

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 3

编辑推荐

Metrics

[1]	臧振春, 崔春生. 基于Vague集理论一维属性——需求匹配的知识推荐算法研究[J]. 运筹与管理, 2020, 29(8): 112-119.
[2]	袁瑞萍,师鸣若. 基于可拓学理论的高维大数据相似性研究[J]. 运筹与管理, 2015, 24(5): 184-188.
[3]	肖会敏. 基于基元方法的创造性模仿创新研究[J]. 运筹与管理, 2015, 24(5): 264-269.