基于神经网络算法的用户网上购物行为预测系统文献综述

《基于神经网络算法的用户网上购物行为预测系统文献综述》由会员分享，可在线阅读，更多相关《基于神经网络算法的用户网上购物行为预测系统文献综述（10页珍藏版）》请在毕设资料网上搜索。

1、文献综述文献综述 前言: 作者利用 google 学术、中文学术期刊全文检索数据库，以“消费倾向” 、 “购物推荐” 、 “神经网络” 、 “BP 神经网络” 、 “RBF 神经网络”等为关键字，对中文和英文的文献进行了全 面检索。对于检索到的文献，进行归纳整理，对国内外研究开发现状做了扼要综述，对于电 子商务中基于神经网络算法的网上购物助理软件设计和开发中涉及的若干关键技术、 并对有 关问题进行了初步的探讨和展望。 关键词：文献研究；消费倾向；购物推荐；神经网络；BP 神经网络；RBF 神经网络 一、推荐系统简介 推荐系统是信息过滤系统的一个子类， 它的主要功能是预测用户对于某一项目的 “评

2、分” 或“偏爱” ，并给予不同用户不同的建议和推荐。例如，预测用户对于产品、音乐和新闻的 偏爱，并给予用户符合条件的产品、音乐和新闻的推荐。近些年来，推荐系统越来越普遍地 被运用于各种应用中。 总的来说， 最流行的应用要数在电影、 音乐、 新闻、 书籍、 研究文章、 搜索查询、社会性标签和产品等领域。然而，也有对专家、笑话、餐厅，金融服务，人身保 险，社交（网恋） ，和社交媒介粉丝的推荐系统 1。 随着信息时代的来临， 电子商务行业蓬勃发展， 成千上万条毫无规律的电子商务信息展 现在用户眼前， 如何在这些近似乎爆炸式增长的商品信息面前， 精准地预测到用户喜爱和满 意的商品， 不仅对于用户来说节

3、约了大量的时间和精力， 对于电子商务开发者和电子商务商 家来说也是定位客户群、商品广告推广和组合促销手段的一大助力 2。 二、购物推荐系统的研发现状 2.1 国外购物推荐系统研发现状 推荐系统（RS）是信息系统（IS）研究中一个相对较新的课题，包括在线零售、互联网 广告、移动设备应用程序、社交网络等各大涉及个人的交易和沟通的领域。 虽然早在 1987 年（1987 年萨普里南特和索罗门提出“服务接触”的概念，并将顾客与 服务提供者之间的动态交互过程定义为“服务接触” ）市场就已经检验了个性化的服务，但 直到 B2C 电子商务时代来临， 信息系统研究人员才对它产生浓厚的兴趣。 美国计算机协会在

4、2000 年和 2002 年之间发表的一系列有关推荐系统的论文， 推动了信息系统在推荐系统领域 的研究。自那时以来，推荐系统已经通过各种理论观点的检验 3。 亚马逊 （） 就是一个众所周知的成功使用各种不同类型的推荐系统的电 子厂商。 通过消费者曾经浏览或购买的商品， 网站会给消费者提供与这些曾经浏览或购买过 的商品相类似的商品推荐。此外，该网站还提供一个名为“购买此商品的客户还购买了”的 板块。后者是建立在其他消费者交易信息基础上的。 GroupLens （http:/www.grouplens.org/） 是隶属于明尼苏达大学双城分校计算机科学 与工程学院的一个研究实验室，其研究方向包括推荐系统、网上社区、移动和普适技术、数 字图书馆，和地理信息系统。GroupLens 在推荐系统的研究上有着悠久的历史，从原来的 GroupLens USENET 文章推荐与自动协同过滤技术的开发，到持续直今，GroupLens 可以运行 多个推荐服务。其中，几个主要的应用如下表（表 2-2.1-1）所示： 系统名称 系统作用 MovieLens (h