基于個(gè)性化特征的電子商務(wù)智能推薦系統(tǒng)

周艷榕

摘? 要： 為了解決傳統(tǒng)電子商務(wù)智能推薦系統(tǒng)計(jì)算出的MAE值過(guò)高，導(dǎo)致系統(tǒng)預(yù)測(cè)結(jié)果不準(zhǔn)確的問(wèn)題，設(shè)計(jì)一種基于個(gè)性化特征的電子商務(wù)智能推薦系統(tǒng)。硬件部分將PC104工控機(jī)作為處理CPU，將數(shù)字信號(hào)處理器DSP與儲(chǔ)存芯片MPC565作為處理核心，引入信號(hào)光纖補(bǔ)償系統(tǒng)，設(shè)計(jì)時(shí)鐘信號(hào)電路、復(fù)位電路以及電源電路，連接使用的硬件，完成硬件部分的設(shè)計(jì)。軟件部分依據(jù)電子商務(wù)的特點(diǎn)計(jì)算出其個(gè)性化特征，然后使用關(guān)聯(lián)規(guī)則算法處理得到個(gè)性化特征數(shù)據(jù)，利用Java工具將其轉(zhuǎn)化為代碼，使用不同功能的代碼實(shí)現(xiàn)智能推薦，完成軟件部分的設(shè)計(jì)。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)電子商務(wù)智能推薦系統(tǒng)相比，基于個(gè)性化特征的電子商務(wù)智能推薦系統(tǒng)在給定的數(shù)據(jù)組中計(jì)算出來(lái)的MAE值更小，系統(tǒng)預(yù)測(cè)結(jié)果更準(zhǔn)確，更適合實(shí)際使用。

關(guān)鍵詞： 個(gè)性化特征; 電子商務(wù); 智能推薦系統(tǒng); MAE值; 預(yù)測(cè)精確度; 數(shù)據(jù)組

中圖分類號(hào)： TN99?34; TP393? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）19?0155?04

Abstract： Since the MAE （mean absolute error） value calculated by traditional e?commerce intelligent recommendation system is excessively large， which leads to inaccurate system prediction results， a personalized e?commerce intelligent recommendation system is designed. In terms of the hardware， the industrial computer PC104 is used as the processing CPU， the digital signal processor （DSP） and memory chip MPC565 are used as the processing cores， the signal fiber compensation system is introduced， and clock signal circuit， reset circuit and power supply circuit are designed to connect the necessary hardware. In terms of the software， the personalized features are calculated according to the characteristics of e?commerce， and then the personalized feature data is processed by association rule algorithm， which is converted into codes by Java tools， and the codes with different functions are used to make intelligent recommendation. Experimental results show that， in comparison with the traditional e?commerce intelligent recommendation systems， the MAE value calculated in a given data set by the personalized e?commerce intelligent recommendation system based on personalized features is smaller， and the prediction result of the system is more accurate. Therefore it is more suitable for practical use.

Keywords： personalized feature; e?commerce; intelligent recommendation system; MAE value; prediction accuracy; data set

0? 引? 言

電子商務(wù)是在全球廣泛存在的一種商業(yè)貿(mào)易形式。這種貿(mào)易形式依托于互聯(lián)網(wǎng)，使用設(shè)計(jì)好的軟件借助瀏覽器，實(shí)現(xiàn)“未曾謀面”的交易。這種商業(yè)交易形式是一種利用信息技術(shù)和網(wǎng)絡(luò)通信技術(shù)進(jìn)行的一種商業(yè)活動(dòng)[1]。電子商務(wù)己進(jìn)入了大數(shù)據(jù)時(shí)代，現(xiàn)在的電子商務(wù)平臺(tái)上匯集了世界各地、各式各樣的資源和客戶。豐富了客戶資源，但同時(shí)也為客戶在選擇上帶來(lái)了困擾[2]。電子商務(wù)平臺(tái)聚合了海量商品資源和客戶。設(shè)計(jì)一款基于個(gè)性化特征的電子商務(wù)智能推薦系統(tǒng)，可以解決這一困擾。隨著技術(shù)水平的不斷增強(qiáng)，對(duì)個(gè)性化特征的電子商務(wù)智能推薦系統(tǒng)的研究也逐步受到關(guān)注[3]。

對(duì)于企業(yè)來(lái)講，豐富的個(gè)性化特征電子商務(wù)推薦系統(tǒng)可以豐富商家的銷售方式，個(gè)性化特征可以成為商家一個(gè)獨(dú)特的營(yíng)銷特點(diǎn)，商家可以依據(jù)這種獨(dú)特的營(yíng)銷點(diǎn)吸引更多的客戶，提高企業(yè)的商業(yè)競(jìng)爭(zhēng)力 [4?5]。對(duì)于企業(yè)客戶來(lái)講，這種獨(dú)特的個(gè)性化推薦系統(tǒng)符合當(dāng)今群眾求“獨(dú)特”的獵奇心理，極大程度上滿足了用戶的各種需求。

總之，基于個(gè)性化特征的電子商務(wù)智能推薦系統(tǒng)在實(shí)際的商業(yè)交易中使用，可以有效地提升商家的競(jìng)爭(zhēng)力與客戶的滿意度 [6?7]。傳統(tǒng)的電子商務(wù)智能推薦系統(tǒng)計(jì)算出來(lái)的MAE值過(guò)高，在預(yù)測(cè)消費(fèi)者的意愿喜好時(shí)常存在誤差，針對(duì)這一不足，本文設(shè)計(jì)了一款基于個(gè)性化特征的電子商務(wù)智能推薦系統(tǒng)[8]。

1? 推薦系統(tǒng)硬件設(shè)計(jì)

1.1? 電子商務(wù)數(shù)字信號(hào)傳輸系統(tǒng)

1.1.1? 主控硬件

主控模塊是推薦系統(tǒng)的核心內(nèi)容，設(shè)計(jì)時(shí)鐘及復(fù)位電路，將儲(chǔ)存器拓展，從而構(gòu)成一個(gè)主控模塊硬件，總的主控模塊設(shè)計(jì)結(jié)構(gòu)圖如圖1所示。

選擇集成度高、可靠性好的PC104工控機(jī)作為處理CPU，以數(shù)字信號(hào)處理器DSP為核心，設(shè)計(jì)一個(gè)MPC565系統(tǒng)時(shí)鐘模塊，具體包括主時(shí)鐘源、系統(tǒng)相位鎖定環(huán)路、時(shí)鐘分頻器、晶體振蕩器，設(shè)置時(shí)鐘電路為MPC565，并發(fā)出4 MHz的時(shí)鐘信號(hào)[9?10]。

1.1.2? 信號(hào)傳輸系統(tǒng)抗干擾設(shè)計(jì)

在電子商務(wù)智能推薦系統(tǒng)信號(hào)遠(yuǎn)距離的傳輸中，由于不可避免地存在信號(hào)功率的損失和衰減，所以光纖補(bǔ)償是必要的。為了保證傳輸信號(hào)的完整性，引入信號(hào)遠(yuǎn)程補(bǔ)償技術(shù)。

光開(kāi)關(guān)與光開(kāi)關(guān)列陣是實(shí)現(xiàn)光纖遠(yuǎn)程交換的主要介質(zhì)。因控制光開(kāi)關(guān)的制作設(shè)備材料及其運(yùn)行原理的差異，驅(qū)動(dòng)電路的工作原理也存在差異性。目前國(guó)內(nèi)外研究的主流方向是MEMS技術(shù)、壓電光束導(dǎo)向技術(shù)和物理耦合技術(shù)三種。

1） MEMS（微機(jī)電系統(tǒng)）技術(shù)跳纖法。為實(shí)現(xiàn)光遠(yuǎn)程交換，利用MEMS結(jié)構(gòu)單元組成全交換設(shè)備來(lái)實(shí)現(xiàn)。光開(kāi)關(guān)的開(kāi)始端用眾多根光纖連接，但是因?yàn)楣忾_(kāi)關(guān)所需輸入光纖和輸出光纖的數(shù)量龐大，其運(yùn)行的路徑需經(jīng)過(guò)漫長(zhǎng)的輸送，導(dǎo)致光纖信號(hào)強(qiáng)度存在不穩(wěn)定因素。當(dāng)接入容量超過(guò)8芯時(shí)，交換衰耗已不滿足使用的要求，因而未能在全光網(wǎng)絡(luò)的實(shí)際運(yùn)行環(huán)境中應(yīng)用。

2） 基于壓電技術(shù)的光束轉(zhuǎn)向裝置。通過(guò)壓電技術(shù)改變光束方向，實(shí)現(xiàn)光纖對(duì)接。該項(xiàng)技術(shù)具有不錯(cuò)的插入損耗性能指標(biāo)。但在設(shè)備失電狀態(tài)下，光鏈路無(wú)法保持，且鏈路間光束易引起鄰路串?dāng)_，對(duì)于設(shè)備穩(wěn)定性以及空氣塵埃等環(huán)境要求苛刻。目前市場(chǎng)上鮮有實(shí)用化的產(chǎn)品。

3） 基于物理耦合的光開(kāi)關(guān)矩陣。物理耦合光開(kāi)關(guān)矩陣是利用步進(jìn)電機(jī)驅(qū)動(dòng)對(duì)接的尾纖，在特定的交換矩陣板上進(jìn)行物理耦合，是一種最接近人工交換的光開(kāi)關(guān)矩陣技術(shù)。因其光路不存在其他光學(xué)元器件，且單次對(duì)接的耦合數(shù)基本恒定，所以衰耗可以穩(wěn)定在很小的范圍。從光信號(hào)的傳輸機(jī)理上講，物理耦合技術(shù)的光學(xué)指標(biāo)優(yōu)于其他技術(shù)的光開(kāi)關(guān)矩陣。

根據(jù)ITUT標(biāo)準(zhǔn)，跨距的劃分可以用I，S，L，V，U等變量表示，分別代表20 km（局內(nèi)）、40 km（短距）、80 km（長(zhǎng)距）、120 km（甚長(zhǎng)）、160 km（超長(zhǎng)）。光波在光纖傳輸信號(hào)時(shí)，因距離的增加使光功率呈現(xiàn)降低的趨勢(shì)，在傳輸過(guò)程中存在一定的損耗，也是光纖最主要的運(yùn)行傳輸性質(zhì)之一。截止目前為止，有關(guān)專家研究發(fā)現(xiàn)，當(dāng)傳輸損耗值在0.5 dB/km以下時(shí)，其光纖為1.31 μm;而傳輸損耗值為0.2 dB/km以下時(shí)，其光纖為1.55 μm，極其接近光纖損耗的極限值。光纖損耗的成因是復(fù)雜多樣的，最重要的原因是由于吸收損耗和散射損耗，以及光纖結(jié)構(gòu)的不完善等。將以上遠(yuǎn)程補(bǔ)償技術(shù)輸入到同一補(bǔ)償系統(tǒng)中，在不考慮傳輸損耗值的情況下，形成推薦系統(tǒng)硬件部分的信號(hào)傳輸系統(tǒng)設(shè)計(jì)，如圖2所示。

對(duì)采集到的電子商務(wù)信息傳輸信號(hào)進(jìn)行預(yù)加重處理，即對(duì)信號(hào)進(jìn)行濾波過(guò)濾，突出信號(hào)中的低頻部分，去除干擾變量。由于信號(hào)具有長(zhǎng)時(shí)間、不平穩(wěn)的特點(diǎn)，要想使其變?yōu)榻诙虝r(shí)的穩(wěn)定信號(hào)，就要對(duì)其采用分幀處理。先將信號(hào)通過(guò)矩形窗口，將其分成多個(gè)幀序列，并對(duì)信號(hào)進(jìn)行消噪處理。采取端點(diǎn)測(cè)量的目的是判斷干擾信號(hào)是否存在，如果存在干擾信號(hào)，則可以迅速地對(duì)其進(jìn)行方位判斷，再利用特征提取區(qū)分不同時(shí)間的特征向量。假定采集的數(shù)據(jù)是初始數(shù)據(jù)，就把初始數(shù)據(jù)作為訓(xùn)練集，并將其保存在模式庫(kù)中，便于比較，根據(jù)判斷原則輸出最終結(jié)果，實(shí)現(xiàn)信號(hào)的高完整性傳輸。

為了加快系統(tǒng)的運(yùn)行速度，使用MPC565內(nèi)部相位鎖定環(huán)路倍頻獲得40 MHz的工作頻率。將各個(gè)模塊掛在一個(gè)IMB3的總線上，實(shí)現(xiàn)內(nèi)部通信[11?12]。

利用MPC565系統(tǒng)時(shí)鐘模塊內(nèi)部集成QSPI模塊的串行隊(duì)列功能，實(shí)現(xiàn)系統(tǒng)內(nèi)部的RAM儲(chǔ)存接收或是發(fā)送數(shù)據(jù)[13]。MPC565存儲(chǔ)體系結(jié)構(gòu)如圖3所示。

使用芯片MPC565內(nèi)的TPU模塊配置，實(shí)現(xiàn)串口、I/O口、PWM輸入輸出接口的功能。將處理器內(nèi)部的晶體振蕩器連接一個(gè)外部時(shí)鐘源，使用處理器的靈活接口，外接時(shí)鐘電路和復(fù)位電路，完成主控硬件的設(shè)計(jì)[14]。

1.2? 電路設(shè)計(jì)

系統(tǒng)電路部分主要針對(duì)時(shí)鐘電路、復(fù)位電路以及電源電路進(jìn)行設(shè)計(jì)。在設(shè)計(jì)時(shí)鐘電路時(shí)，需要在電源的輸入端串聯(lián)一個(gè)磁珠FBI，濾除信號(hào)線以及電源線上的高頻噪聲，降低尖峰對(duì)系統(tǒng)的影響[15?16]。在電源和地之間外接一個(gè)濾波電容[C44]濾除噪聲信號(hào)的干擾，然后在輸出端串聯(lián)一個(gè)33 Ω的電阻過(guò)濾信號(hào)，保證輸出高電平、占空比為50%的時(shí)鐘信號(hào)，時(shí)鐘信號(hào)電路的連接圖如圖4所示。

復(fù)位電路使用電源管理芯片TPS3307?33，連接芯片上的管腳SENSE1，SENSE2，SENSE3，設(shè)計(jì)管腳SENSE1，SENSE2的門檻電壓分別為4.55 V和2.93 V，將SENSE3管腳的電壓設(shè)計(jì)為1.25 V，將兩個(gè)管腳SENSE1，SENSE2通過(guò)電阻[R19]與[R20]分壓后，與SENSE33管腳連接[17]。復(fù)位電路的連接方式如圖5所示。

設(shè)計(jì)電源部分的電路時(shí)，外部電源輸入一個(gè)9～12 V的直流電壓，模擬數(shù)字5.0 V電壓給數(shù)字器件供電，將復(fù)位電路中的基準(zhǔn)電壓調(diào)節(jié)為高精度的電壓。為了防止某個(gè)元件工作電流變化相對(duì)較大，對(duì)其他部分產(chǎn)生擾動(dòng)，單獨(dú)給驅(qū)動(dòng)部分元件供電[18]。其余部分的電壓均在5.0 V的基礎(chǔ)上使用線性穩(wěn)壓器變換，詳細(xì)的系統(tǒng)電源電路設(shè)計(jì)如圖6所示。

設(shè)計(jì)系統(tǒng)主控部分的硬件后，連接設(shè)計(jì)后的三部分電路，完成推薦系統(tǒng)的硬件部分設(shè)計(jì)。

2? 電子商務(wù)智能推薦系統(tǒng)軟件設(shè)計(jì)

2.1? 計(jì)算個(gè)性化特征

電子商務(wù)在實(shí)際操作時(shí)，每一家都有著自己獨(dú)特的個(gè)性化特征，根據(jù)電子商務(wù)的自身特點(diǎn)，標(biāo)準(zhǔn)化取值其個(gè)性化特征，然后選取一個(gè)合適的精確度，使用歐氏距離計(jì)算不同電子商務(wù)之間的個(gè)性化特征值：

式中：[xik]表示第[i]個(gè)用戶的第[k]個(gè)變量的值;[xjk]表示第[j]個(gè)用戶的第[k]個(gè)變量的值;[max（xk）]與[min（xk）]分別表示第[k]個(gè)屬性變量可取的最大值與最小值。計(jì)算出個(gè)性化特征后，使用關(guān)聯(lián)規(guī)則算法處理計(jì)算出的個(gè)性化特征數(shù)據(jù)，使用Java轉(zhuǎn)換為代碼，在系統(tǒng)中實(shí)現(xiàn)電子商務(wù)智能推薦[19]。

2.2? 使用關(guān)聯(lián)規(guī)則算法實(shí)現(xiàn)智能推薦

將式（1）計(jì)算出來(lái)的個(gè)性特征數(shù)據(jù)集記為：[D=i1，i2，…，in]，使用關(guān)聯(lián)規(guī)則算法計(jì)算數(shù)據(jù)集[D]，得到：

式中：[Di]，[Dj]是用戶的個(gè)性化數(shù)據(jù)特征屬性;[c]為屬性變量總數(shù);[i]，[j]為電子商務(wù)用戶;[sim]為關(guān)聯(lián)規(guī)則算法。

整合計(jì)算結(jié)果，形成關(guān)聯(lián)規(guī)則特征，使用Java編程輸入式（1），式（2）的電子商務(wù)關(guān)聯(lián)規(guī)則算法結(jié)果，使用JDK 1.6中的記錄代碼記錄統(tǒng)計(jì)電子商務(wù)訪問(wèn)用戶的瀏覽愛(ài)好[20]。然后系統(tǒng)調(diào)用形成的關(guān)聯(lián)規(guī)則，使用Eclipse 6.5標(biāo)記用戶在系統(tǒng)中反復(fù)瀏覽過(guò)的電子商戶。最后根據(jù)標(biāo)記的個(gè)性化特征，利用Spring 2.0推薦系統(tǒng)用戶經(jīng)常瀏覽、符合用戶喜好的電子商戶，完成個(gè)性化特征商務(wù)的智能推薦。

3? 系統(tǒng)性能測(cè)試

3.1? 選取測(cè)試數(shù)據(jù)

為了保證測(cè)試數(shù)據(jù)可以有效地反映出用戶最近幾年的消費(fèi)趨勢(shì)，選取數(shù)據(jù)庫(kù)中近三年的歷史數(shù)據(jù)，篩選后作為測(cè)試數(shù)據(jù)，此時(shí)的數(shù)據(jù)集約有1 000個(gè)用戶，3 000張機(jī)票，400家電子商務(wù)商家，5 000份評(píng)價(jià)信息，將這些數(shù)據(jù)分成5個(gè)數(shù)量近似的子集，分別標(biāo)記5個(gè)數(shù)據(jù)集為[U1～U5]。

3.2? 制定測(cè)試指標(biāo)

使用數(shù)據(jù)分成的子集，利用計(jì)算系統(tǒng)預(yù)測(cè)的目標(biāo)用戶對(duì)商品的評(píng)分值與測(cè)試數(shù)據(jù)集中真實(shí)的評(píng)分值之差來(lái)分析系統(tǒng)的預(yù)測(cè)精確度，此時(shí)的差值表現(xiàn)為絕對(duì)平均誤差的形式，可以反映出預(yù)測(cè)值和真實(shí)值的偏差度，從而得出智能系統(tǒng)的預(yù)測(cè)精確度，計(jì)算公式如下：

式中：[pi]為系統(tǒng)預(yù)測(cè)的目標(biāo)用戶對(duì)第[i]個(gè)商品的評(píng)分值;[ri]為目標(biāo)用戶對(duì)第[i]個(gè)商品真實(shí)的評(píng)分值;[n]為使用了預(yù)測(cè)評(píng)分的項(xiàng)目數(shù)。MAE值越低，表示智能推薦系統(tǒng)的預(yù)測(cè)分值與真實(shí)值偏差越小，系統(tǒng)的預(yù)測(cè)越準(zhǔn)確，性能越高。

3.3? 測(cè)試結(jié)果

三種推薦系統(tǒng)計(jì)算得到的MAE值變化情況如圖7所示。

由圖7可知，傳統(tǒng)推薦系統(tǒng)1計(jì)算得到的MAE平均值為0.84，傳統(tǒng)推薦系統(tǒng)2計(jì)算得到的MAE平均值為0.77，而基于個(gè)性化特征的電子商務(wù)智能推薦系統(tǒng)得到的MAE平均值為0.73，根據(jù)評(píng)測(cè)標(biāo)準(zhǔn)，值越低，表示智能推薦系統(tǒng)的預(yù)測(cè)分值與真實(shí)值偏差越小，系統(tǒng)的預(yù)測(cè)越準(zhǔn)確，性能越高，可知基于個(gè)性化特征的電子商務(wù)智能推薦系統(tǒng)計(jì)算得到的MAE數(shù)值最小，系統(tǒng)預(yù)測(cè)精確度最好，適合投入實(shí)際使用。

4? 結(jié)? 論

本文提出基于個(gè)性化特征的電子商務(wù)智能推薦系統(tǒng)，實(shí)現(xiàn)硬件傳輸系統(tǒng)傳輸信號(hào)的高效率、低功率傳輸。在軟件部分優(yōu)化系統(tǒng)推薦代碼，根據(jù)電子商務(wù)的個(gè)性化特征進(jìn)行關(guān)聯(lián)規(guī)則運(yùn)算，實(shí)現(xiàn)個(gè)性化特征數(shù)據(jù)智能推薦。

電子商務(wù)推薦系統(tǒng)可以自動(dòng)依據(jù)用戶的瀏覽情況，判斷出用戶的喜好，以此為依據(jù)向客戶推薦相關(guān)產(chǎn)品，減少客戶在尋找產(chǎn)品上浪費(fèi)的時(shí)間。設(shè)計(jì)的推薦系統(tǒng)可以減小計(jì)算出來(lái)的MAE值，增強(qiáng)了推薦系統(tǒng)推薦商品的準(zhǔn)確性，在用戶層次上成功樹(shù)立形象。

參考文獻(xiàn)

[1] 姚凱，涂平，陳宇新，等.基于多源大數(shù)據(jù)的個(gè)性化推薦系統(tǒng)效果研究[J].管理科學(xué)，2018，31（5）：3?15.

[2] 李裕礞，練緒寶，徐博，等.基于用戶隱性反饋行為的下一個(gè)購(gòu)物籃推薦[J].中文信息學(xué)報(bào)，2017，31（5）：215?222.

[3] 李宇琦，陳維政，閆宏飛，等.基于網(wǎng)絡(luò)表示學(xué)習(xí)的個(gè)性化商品推薦[J].計(jì)算機(jī)學(xué)報(bào)，2019，42（8）：1767?1778.

[4] 李昆侖，郭昌隆，關(guān)立偉.一種融合近鄰用戶影響力的矩陣分解推薦算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2018，39（1）：37?41.

[5] 趙文朋，丁艷輝，金連旭，等.一種基于隱式反饋的用戶興趣模型構(gòu)建方法[J].計(jì)算機(jī)與數(shù)字工程，2018，46（3）：518?522.

[6] 袁仁進(jìn)，陳剛，李鋒，等.基于VSM和Bisecting K?means聚類的新聞推薦方法[J].北京郵電大學(xué)學(xué)報(bào)，2019，42（1）：114?119.

[7] 陳娜，毋江波.基于神經(jīng)網(wǎng)絡(luò)的多準(zhǔn)則決策推薦系統(tǒng)[J].控制工程，2018，25（5）：841?848.

[8] 王明佳，韓景倜.基于用戶對(duì)項(xiàng)目屬性偏好的協(xié)同過(guò)濾算法[J].計(jì)算機(jī)工程與應(yīng)用，2017，53（6）：106?110.

[9] 郭偉，邱丹逸. 基于多Agent的眾包任務(wù)推薦系統(tǒng)建模與仿真[J].計(jì)算機(jī)工程與科學(xué)，2017，39（5）：958?963.

[10] 李浩君，張征，張鵬威.基于三維特征協(xié)同支配的個(gè)性化學(xué)習(xí)資源推薦方法[J].計(jì)算機(jī)科學(xué)，2019，46（z1）：461?467.

[11] 黃亞萍，李垣江.基于K?means算法的電子商務(wù)客戶細(xì)分研究[J].電子設(shè)計(jì)工程，2017，25（2）：63?66.

[12] 任志敏，鄭紅崗，鄭勇軍.基于電子商務(wù)的專業(yè)市場(chǎng)價(jià)值鏈模型重塑研究[J].科技管理研究，2019，39（15）：230?236.

[13] 江義火，袁曉建.電子商務(wù)交易中信用度準(zhǔn)確評(píng)價(jià)仿真研究[J].計(jì)算機(jī)仿真，2018，35（7）：430?433.

[14] 張容，張勇.基于數(shù)據(jù)挖掘算法的電子圖書(shū)館智能推薦技術(shù)研究[J].西南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，42（7）：81?85.

[15] 王普，張朝霞，吳艷華，等.基于雙偏好矩陣的B2B智能推薦研究與實(shí)踐[J].鐵道學(xué)報(bào)，2019，41（4）：16?24.

[16] 梁仕威，張晨蕊，曹雷，等.基于協(xié)同表示學(xué)習(xí)的個(gè)性化新聞推薦[J].中文信息學(xué)報(bào)，2018，32（11）：72?78.

[17] 王永康，袁衛(wèi)華，張志軍，等.融合時(shí)間隱語(yǔ)義填充和子群劃分的推薦算法[J].計(jì)算機(jī)工程與應(yīng)用，2019（16）：130?137.

[18] 彭宏偉，靳遠(yuǎn)遠(yuǎn)，呂曉強(qiáng)，等.一種基于矩陣分解的上下文感知POI推薦算法[J].計(jì)算機(jī)學(xué)報(bào)，2019，42（8）：1797?1811.

[19] 周俊，董曉蕾，曹珍富.推薦系統(tǒng)的隱私保護(hù)研究進(jìn)展[J].計(jì)算機(jī)研究與發(fā)展，2019，56（10）：2033?2048.

[20] 李丹霞，馬樂(lè)榮，何景.LBSN中融合時(shí)空信息的連續(xù)興趣點(diǎn)推薦[J].計(jì)算機(jī)應(yīng)用研究，2019，36（12）：3574?3578.