基于个人偏好的商品推荐系统设计与实现

闫效莺，李星航，王美代，李子灏

(西安石油大学计算机学院，陕西 西安 710065)

随着电子商务和Web技术的飞速发展，网上购物为人们带来极大便利，已成为人们每日生活的必需。但是随着商家、商品数目的不断增多，人们在网上购物中投入的时间精力也越来越多。因此，如何帮助购买者快速找到自己心仪的商品，成为当前网络技术研究的热点，在此需求驱动下，近年来很多学者致力于研究能依据个体喜好进行物品推荐的网上购买软件系统的设计方法。

推荐系统是一种信息过滤系统，其设计目标是为了满足那些没有足够的知识或时间在大量选择物中做出选择的客户，是向特定目标人群推荐对其有用或其感兴趣内容的一类软件工具和技术。例如喜欢听什么类型的音乐，爱好买哪些种类的商品，乐于浏览何种性质的新闻网页等等，推荐系统都能通过各类决策过程帮助其实现愿望。

1.系统设计

传统推荐算法有基于用户(User-Based)和基于项目(Item-Based)的协同过滤推荐算法[1]，其中基于用户的协同过滤推荐算法的核心思想是记录并保存用户购物记录，通过建立用户相似性矩阵，建立用户近邻关系。之后利用用户近邻关系进行商品的推荐。而基于项目的协同过滤推荐算法的核心思想则是计算商品之间的相似性矩阵，并基于此对用户未打分的物品进行预测。

近年来，随着用户及商品数量的增多，基于深度学习的推荐算法成为新的研究热点，李宇琦[2]等提出了基于网络表示学习的个性化商品推荐算法，傅魁[3]等提出了基于改进的深度Q网络结构的商品推荐模型。……