综合用户偏好模型和BP神经网络的个性化推荐

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (2): 57-60.

综合用户偏好模型和BP神经网络的个性化推荐

辛菊琴1，蒋艳1，舒少龙2

1.上海理工大学管理学院，上海 200093
2.同济大学电子与信息工程学院，上海 200092

出版日期:2013-01-15 发布日期:2013-01-16

Personal recommendation algorithm with customer preference model and BP neural networks

XIN Juqin1, JIANG Yan1, SHU Shaolong2

1.School of Business, University of Shanghai for Science and Technology, Shanghai 200093, China
2.School of Electronics and Information Engineering, Tongji University, Shanghai 200092, China

Online:2013-01-15 Published:2013-01-16

摘要/Abstract

摘要： 个性化推荐是目前解决电子商务中产品信息过载问题的有效工具之一。对综合用户偏好模型和BP神经网络的个性化推荐算法进行了研究。具体讨论了如何建立用户偏好模型，采用神经网络训练得到目标用户的偏好模型，通过Movielens数据库验证该模型的有效性。提出了一个基于内容的个性化推荐算法。

Abstract: Personal recommendation is very effective to find the useful information from database of products for customers in electronic commerce. The paper investigates personal recommendation algorithms based on customer preference model and BP neural networks. In details, a customer preference model is proposed and BP neural network is used to train the model. Movielens database is used to verify the validity of BP neural network model. A content-based personal recommendation algorithm is proposed.

Key words: electronic commerce, personal recommendation algorithm, neural networks, product feature, customer preference

辛菊琴1，蒋艳1，舒少龙2. 综合用户偏好模型和BP神经网络的个性化推荐[J]. 计算机工程与应用, 2013, 49(2): 57-60.

XIN Juqin1, JIANG Yan1, SHU Shaolong2. Personal recommendation algorithm with customer preference model and BP neural networks[J]. Computer Engineering and Applications, 2013, 49(2): 57-60.

[1]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[2]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[3]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[4]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[5]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[6]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[7]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[8]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[9]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[10]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[11]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[12]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[13]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[14]	翟正利，李鹏辉，冯舒. 图对抗攻击研究综述[J]. 计算机工程与应用, 2021, 57(7): 14-21.
[15]	祝钧桃，姚光乐，张葛祥，李军，杨强，王胜，叶绍泽. 深度神经网络的小样本学习综述[J]. 计算机工程与应用, 2021, 57(7): 22-33.