2。3个性化推荐技术分类 8

2。3。1基于内容的推荐 9

2。3。2协同过滤推荐 9

2。3。4混合推荐 11

2。3。5基于情景的推荐技术 11

2。4本章小结 12

3  基于用户需求情景分析的服装推荐方法 13

3。1基于情景的推荐模型 13

3。1。1情景属性的定义 13

3。1。2创建子用户 14

3。1。4模型的构建 15

3。2 M1的推荐算法 16

3。3基于M1的拓展 17

  18

结论 19

致谢 20

参考文献 21

基于用户需求情景分析的商品推荐方法研究

0  引言近年来互联网发展迅速，不难发现人们生活的方方面面都离不开互联网信息服务和应用，人类社会正在从原有的物理活动向互联网虚拟空间活动转变，但随着互联网信息资源规模的迅猛增长，用户想要在海量信息中找到真正符合自己需求的信息也变得越发困难，为了解决这一问题，学术界和业界进行了大量的研究。推荐系统通过对用户长期信息需求进行描述并建模再配合一定的智能推荐算法有效的解决了信息过载情况下用户难以找到自己真正需要的信息的问题。同时，随着电子商务的快速发展，推荐系统技术也被运用其中。论文网

虽然目前大型的电商网站都提供推荐服务，如淘宝网、当当等都根据用户的行为为其推送可能感兴趣的商品信息，但其推荐的精度都是有限的，主要原因是传统推荐算法通常只考虑用户和项目两个因素，而忽视了情景这一因素对用户决策的影响。因此本文研究了基于用户需求情景的商品推荐方法，将情景因素融入到推荐系统当中，使推荐结果更切合用户需求。并且在服装推荐领域详细阐述其应用，提出了一个融入情景因素的服装推荐模型，该模型同时也可以运用于如食品、旅游等其他领域，本文重点介绍在服装领域的应用，最后进行总结与展望。

1  电子商务环境下消费者消费行为及需求分析

近年来电子商务呈现出快速发展的状态，相对于传统的商业模式，消费者的行为又呈现出了新的特点。通过分析电子商务环境下用户的行为，才能充分挖掘用户需求，便于后文进行对相关推荐算法的研究。

电子商务是建立在先进的信息技术平台上的以商品交换为中心的商务活动。它使得交易打破了时间和空间上的局限，大大提高了交易的效率，在全球范围内进行的电子商务使得传统的地理、政治观念、意识等差异形成的市场界限变得模糊起来。电子商务环境与传统交易环境的不同之处就是它是一种信息技术环境，网上交易的实现因打破了传统经济模型交易时间和空间场所的限制以及其便于在移动平台上使用迅速被广大消费者接受并且使用，据《2015年度中国电子商务市场数据监测报告》统计[1]， 2015年，中国电子商务交易额18。3万亿元，同比增长36。5%。其中，B2B交易额13。9万亿元，同比增长39%。网络零售交易规模3。8万亿元，同比增长35。7%，可见进行在电子商务环境下的商品推荐方法的研究是很有必要且有意义的。同时，只有正确了解、把握电子商务环境下的消费者行为特征，才能更好的进行推荐方法的研究！