张柱 李卿 方贤进

摘要：电子商务的飞速发展，在为人们提供了更加方便快捷的购物途径同时，如何给用户提供更加人性化的推荐服务，是电商赢得市场需要解决的关键问题。以淘宝电子商务平台为依托，提出基于用户模型和商品属性扩散的混合个性化推荐系统，研究用户兴趣的时间演化和空间扩散方法，综合运用多种推荐方法，给为用户提供更加精准的推荐服务。实验证明，该方法具有较明显的效果，能够较好地运用于同类电商平台。

关键词：UMARS；用户模型；空间扩展；属性扩散；时间更新

中图分类号：TP391文献标志码：A

文章编号：1672-1098（2015）01-0055-05

随着计算机网络通信技术的发展，电子商务作为一种商务模式得到了迅速推广，业已成为人们日常购物消费的重要渠道。作为电子商务平台的重要营销手段，个性化推荐系统得到了广泛的研究和应用，并在提高电子商务网站的交叉销售能力、提高客户对电子商务网站的忠诚度等方面发挥了积极的作用[1]。然而，已有的推荐系统存在明显不足，未能较好地承担改善用户体验的功能。如基于关联规则的个性化推荐中，规则无法自动生成，且更新和维护工作量巨大[2]；基于内容过滤和协同过滤的个性化推荐受推荐对象特征提取能力的限制较为严重、冷启动问题

[3-5]。

目前，学术界对个性化推荐的研究已取得了一定的成果。文献[6]通过表明个人某一方向兴趣的各类示例文本，经过文本映射和文本结构分析，获得文本的逻辑表示，将段落作为识别用户兴趣的基本要素，改进了用户兴趣模型的结构分析。……