一种基于知识树的推荐算法及其在移动电子商务上的应用

doi:10.3969/j.issn.1000-0801.2011.06.013

摘要/Abstract

摘要：

本文提出了一种有别于传统方法的、新颖的基于知识树的文档推荐算法，首先利用互联网资源构建基于词的知识树，然后运用EM算法不断用待分类的新文档自动更新知识树，使得词分类和文档分类结果同时达到最优，该算法不依赖于标注好的训练语料，是一种半监督的机器学习算法。在实际应用中，根据用户在移动互联网的互动行为，映射到知识树的相关分类，将同类的商品推荐给用户。在移动电子商务网络社区项目中，实验表明了该算法具有较高的执行效率，推荐结果的用户满意度约为83%。

关键词: 移动电子商务, 个性化推荐, 知识树, EM算法

Abstract:

This paper presents a novel knowledge tree based recommendation algorithm，which is different from traditional approaches.At first we construct a word based knowledge tree using resources from the Internet，and then we employ EM algorithm to the tree.We automatically update the knowledge tree using unlabeled documents，making classification of both the terms and document optimized at the same time.Since the algorithm does not rely on any human annotations，it is an un-supervised machine learning algorithm.In real applications，user interactions in the mobile Internet are mapped to certain categories of the knowledge tree，and similar products are recommended to users according categories in the tree.Experiments in the mobile e-commerce network community project indicate the high efficiency of our algorithm，and the performance of user satisfaction achieves about 83%.

Key words: mobile e-commerce, personalized recommendation, knowledge tree, EM algorithm

赵华,林政,方艾,杨翊平. 一种基于知识树的推荐算法及其在移动电子商务上的应用[J]. 电信科学, 2011, 27(6): 54-58.

Hua Zhao,Zhen Lin,Ai Fang,Xuping Yang. Knowledge Tree Based Recommendation Algorithm With Its Applications to Mobile e-Commerce[J]. Telecommunications Science, 2011, 27(6): 54-58.

图/表 7

图1

图2

图3

表1

表2

图4

图5

参考文献 9

1	易观智库. 2010年第4季度移动互联网用户达2.88亿全年营收637 亿元，， 2011-2-12/2011-5-18
2	中国电子商务研究中心. 2010年度中国电子商务市场数据监测报告. ， 2011-1-18/2011-5-18
3	Yoon H C ， Jae K K ， Soung H K . A personalized recommender system based on web usage mining and decision tree induction. Expert Systems with Applications， 2002，23（3）： 329～342
4	Bamshad Mobasher ， Robert Cooley ， Jaideep Srivastava . Automatic personalization based on Web usage mining. Communications of the ACM， 2000，43（8）： 142～151
5	Lieberman H ， Dyke N V ， Vivacqua A . Let’s browse：a collaborative web browsing agent.In： the International Conference on Intelligent User Interfaces， Los Angeles， CA：ACM Press， 1999
6	Robert J schke ， Leandro Marinho ， et al. Tag Recommendations in Folksonomies. Lecture Notes in Computer Science， 2007（4702）： 506～514
7	Borman S . The expectation maximization algorithm：a short tutorial. University of Notre Dame，Tech Rep， July 2004
8	金铎，徐雄，梁冰，李云 . 号百电子商务平台架构建设探讨. 电信科学， 2010，26（8）
9	杨震，陈晓勤 . 电信企业开展个性化信息服务的研究. 电信科学， 2009，25（10）

时间	符合	较符合	不太符合	完全不符合	一般
初始化阶段	0.373	0.137	0.118	0.059	0.314
第一周	0.503	0.324	0.036	0.012	0.124
第二周	0.584	0.254	0.015	0.002	0.145
第三周	0.578	0.295	0.025	0.002	0.099

时间	符合	较符合	不太符合	完全不符合	一般
初始化阶段	0.373	0.157	0.196	0.059	0.216
第一周	0.481	0.244	0.062	0.018	0.194
第二周	0.558	0.172	0.054	0.009	0.207
第三周	0.588	0.242	0.040	0.006	0.123

[1]	卢敏, 胡娟, 张先超, 丁伟健, 乐光学. 基于用户多特征融合的个性化推荐模型[J]. 电信科学, 2023, 39(5): 101-115.
[2]	申情, 郭文宾, 楼俊钢, 余强国. 考虑多层次潜在特征的个性化推荐模型[J]. 电信科学, 2022, 38(2): 71-83.
[3]	马春宇,王军林,王宝旺,甘波华. 个性化推荐助力运营商数字化营销[J]. 电信科学, 2018, 34(1): 174-180.
[4]	于洪涌,邱晨旭,闻剑峰. IPTV视频个性化推荐方案[J]. 电信科学, 2017, 33(12): 127-135.
[5]	张宁,范崇睿,张岩. 一种基于RFM模型的新型协同过滤个性化推荐算法[J]. 电信科学, 2015, 31(9): 103-111.
[6]	王瑞琴,潘俊,李一啸. 基于多社交数据源的协同推荐方法研究[J]. 电信科学, 2015, 31(6): 68-74.
[7]	陶彩霞,袁海,陈康,马安华. 灵活适应不同业务的个性化推荐系统研究[J]. 电信科学, 2014, 30(8): 131-135.
[8]	尤海浪,钱锋,黄祥为,胡亮亮. 基于大数据挖掘构建游戏平台个性化推荐系统的研究与实践[J]. 电信科学, 2014, 30(10): 27-32.
[9]	李庆艳,金铎,张文安,张涛. 移动电子商务发展趋势探讨[J]. 电信科学, 2011, 27(6): 7-13.
[10]	黄辉,张涛,谈玺,杨德利. 基于可视化搜索技术的新一代3G移动电子商务[J]. 电信科学, 2011, 27(6): 33-37.
[11]	杨豪杰,李云,张玉忠. 号码百事通电子商务数据中心研究及实施[J]. 电信科学, 2011, 27(6): 49-53.
[12]	李庆艳,金铎,张文安,张涛. 移动电子商务发展趋势探讨[J]. 电信科学, 2011, 27(6): 6-13.
[13]	罗志强,沈军. 移动电子商务用户溯源认证技术研究与应用[J]. 电信科学, 2009, 25(6): 7-11.
[14]	何振,陈龙辉,廖东方,刘杰. OTA系统中的个性化应用推荐系统研究[J]. 电信科学, 2007, 23(6): 87-89.