基于用户行为分析的个性化推荐算法

贾俊; 张斌; 李志远; 魏玮; 魏浩

doi:10.11959/j.issn.2096-6652.201947

您当前的位置：

首页 >

文章列表页 >

基于用户行为分析的个性化推荐算法

学术论文 | 更新时间：2024-06-05

- 基于用户行为分析的个性化推荐算法
- Personalized recommendation algorithm based on user behavior analysis
- 智能科学与技术学报 2019年1卷第4期页码：421-426
- 作者机构：
  
  1. 青岛海尔（胶州）空调器有限公司，山东青岛 266000
  2. 山东科技大学计算机科学与工程学院，山东青岛 266590
- 作者简介：
  
  [ "贾俊（1976-），男，青岛海尔（胶州）空调器有限公司高级技术经理，主要研究方向为物联网、云计算、大数据算法" ]
  [ "张斌（1984-），男，青岛海尔（胶州）空调器有限公司高级精益咨询顾问，主要研究方向为生产管理流程优化" ]
  [ "李志远（1994-），男，青岛海尔（胶州）空调器有限公司大数据技术经理，主要研究方向为人工智能算法应用研究" ]
  [ "魏玮（1978-），男，青岛海尔（胶州）空调器有限公司生产技术总监，主要研究方向为智能制造新技术应用" ]
  [ "魏浩（1997-），男，山东科技大学计算机科学与工程学院硕士生，主要研究方向为大数据算法研究" ]
- 基金信息：
  
  国家重点研发计划基金资助项目;National Key Research and Development Project(2017YFE0101600)
- DOI：10.11959/j.issn.2096-6652.201947
  中图分类号： TP391.3
- 网络出版日期：2019-12，
  
  纸质出版日期：2019-12-20
- 稿件说明：
移动端阅览
贾俊, 张斌, 李志远, 等. 基于用户行为分析的个性化推荐算法[J]. 智能科学与技术学报, 2019,1(4):421-426.

Jun JIA, Bin ZHANG, Zhiyuan LI, et al. Personalized recommendation algorithm based on user behavior analysis[J]. Chinese journal of intelligent science and technology, 2019, 1(4): 421-426.
贾俊, 张斌, 李志远, 等. 基于用户行为分析的个性化推荐算法[J]. 智能科学与技术学报, 2019,1(4):421-426. DOI： 10.11959/j.issn.2096-6652.201947.

Jun JIA, Bin ZHANG, Zhiyuan LI, et al. Personalized recommendation algorithm based on user behavior analysis[J]. Chinese journal of intelligent science and technology, 2019, 1(4): 421-426. DOI： 10.11959/j.issn.2096-6652.201947.

摘要

随着商业智能系统和数据挖掘技术的发展，用户的行为数据对企业决策产生了重要的影响。网络电子商务平台可以利用这些数据分析后的结果，对特定的用户推送他们感兴趣的商品，这样能增强用户黏度，提高平台的商业价值。提出一种基于用户行为分析的个性化推荐算法，将用户的行为信息转化为用户评分矩阵，且提出一种改进的正则化非负矩阵分解算法，在原始正则化非负矩阵分解算法的基础上加入偏置信息。改进算法充分挖掘用户在网页上点击、购买、浏览、收藏等行为信息，将用户感兴趣的商品及时推送给用户。实验结果验证了本文所提出的两种算法的有效性和高效性。

Abstract

With the development of business intelligence system and data mining technology

user behavior data has an important impact on enterprise decision-making.For the network e-commerce platform

the results of these data analysis can be used to push items of interest to specific users

which can enhance the user experience and the business value of the platform.A personalized recommendation algorithm based on user behavior analysis was proposed

which transforms user behavior information into user rating matrix

and an improved regularized nonnegative matrix decomposition algorithm was also proposed

which adds bias information to the original regularized nonnegative matrix decomposition.This algorithm can fully mine the user behavior information such as click

purchase

browse

collect

etc.

and actively push the items of interest to the users.The experimental results verify the effectiveness and efficiency of the algorithm.

关键词

Keywords

references

ADOMAVICIUS G , KWON Y . Improving aggregate recommendationdiversity using ranking-based techniques [J ] . IEEE Transactions on Knowledge ＆ Data Engineering , 2012 , 24 ( 5 ): 896 - 911 .

LEE D D , SEUNG S H . Learning the parts of objects by non- negative matrix-factorization [J ] . Nature , 1999 , 401 : 788 - 791 .

LEE D D , SEUNG S H . Algorithms for non-negative matrix- factorization [J ] . Advances in Neural Information Processing Systems , 2000 , 13 : 556 - 562 .

ZHANG S , WANG W H , FORD J , et al . Learning from incompleteratings using non-negative matrix-factorization [C ] // 2006 SIAM International Conference on Data Mining,April 20-22,2006,Bethesda,MD,USA.[S.l.:s.n . ] , 2006 : 549 - 553 .

KOREN Y , BELL R . Recommender systems handbook [M ] . Heidelberg : SpringerPress , 2015 .

KOREN Y , BELL R , VOLINSKY C . Matrix-factorization techniques for recommender systems [J ] . Computer , 2009 , 42 ( 8 ): 30 - 37 .

YU K , ZHU S , LAFFERTY J , et al . Fast nonparametric matrix factorization for large-scale collaborative-filtering [C ] // The 32nd ACMSIGIR Conference,July 19-23,2009,Boston,MA,USA . New York:ACM Press , 2009 : 211 - 218 .

PATEREK A , . Improving regularized singular value decomposition for collaborative filtering [C ] // KDD Cup and Workshop 2007,Aug 12,2007,San Jose,USA . New York:ACM Press , 2007 : 39 - 42 .

LUO X , ZHOU M , XIA Y , et al . An efficient non-negative matrix-factorization-based approach to collaborative filtering for recommender systems [J ] . IEEE Transactions on Industrial Informatics , 2014 , 10 ( 2 ): 1273 - 1284 .

GORRELL G , . Generalized Hebbian algorithm for incremental singular value decomposition in natural language processing [C ] // The 11st Conference of the European Chapter of the Association for Computational Linguistics,April 3-7,2006,Trento,Italy.[S.l.:s.n] . 2006 .

浏览量

269

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据