多知识源电子商务推荐方法及其强化学习机制的研究

电子商务推荐是电子商务和客户关系管理的关键技术之一，它向用户提供商品推荐，帮助用户快速、轻松地找到满意商品。商品推荐属于复杂决策过程，需要考虑多种推荐要素，而现有的推荐方法一般仅从几个要素出发完成推荐过程，且还存在冷开始等问题。另一方面，这些方法难以适应电子商务环境下数据的动态性和用户兴趣的多样性，成为智能化推荐研究中的一个薄弱环节。本课题基于相似度向量空间模型将语义相关知识注入研究多知识源推荐方法。进一步，针对用户兴趣的转移、电子商务环境的变化等因素，研究多知识源推荐方法的强化学习机制，探索智能化推荐中模型参数训练问题的解决之道，为智能化推荐系统赋予从动态变化的电子商务推荐数据中持续学习和适应用户多样性的能力，从而建立和完善一套适用于智能化推荐的由基本理论、模型框架和算法构成的理论体系，推动智能化推荐向实用化方向发展。