推荐方法：基于模糊数与行为心理学的电商推荐优化

除了协同过滤推荐方法和基于内容的推荐方法外，还有研究人员将其他学科领域的方法应用于推荐系统研究，提出了一些针对某些特定领域的推荐方法，也取得了不少研究成果。大致可以分为以下3类。

1.混合推荐方法

混合推荐方法的提出是为了弥补单一推荐方法所存在的不足，采用加权、切换、移位、特征组合等策略将不同的推荐方法进行融合，再进行项目推荐[109]。

Nilashi M等人（2014）[110]针对现有推荐系统在多维属性项目推荐领域的推荐精确度不高的问题，将自适应模糊交互系统和自组织图聚类理论应用于协同过滤推荐方法，其中，自组织图聚类理论用于产生高质量的项目聚类，而自适应模糊交互系统则用于规则的发现和建立，实验结果显示该推荐方法能够有效改善现有协同推荐方法的不足，提高项目的评分预测精度。Pinto M A G等人（2012）[111]则提出了一种基于模糊数的混合推荐方法，用于小规模零售商品的推荐。Cantador I等人（2011）[112]根据用户的语义信息建模得到用户的偏好模型，并根据用户偏好和利益进行群体聚类，从而建立不同层次的利益网络，然后分别从宏观层次和微观层次进行项目推荐，以提高推荐的效率，同时又保证推荐的精确度。

2.基于统计学的推荐(www.xing528.com)

基于统计学的推荐是对大范围人口进行统计分析，研究人们的年龄、性别、文化层次、国籍、出生地、工作地、民族等信息在特定领域交互时存在的偏好特性，并对每个用户建立轮廓图，针对相似轮廓的用户进行分类，然后将具有相同轮廓图的用户喜欢的项目推荐给用户。Korfiatis N等人（2013）[113]针对在线旅游网站的评论纷乱复杂，用户难以获得有效信息的情况，提出了一种基于人口统计学的旅游地点推荐系统。该系统对在线旅游网站的评论人员按照兴趣偏好、评论次数、是否单身旅游、是否家庭旅游、评分质量、推荐地点受欢迎程度进行分类，然后对用户进行分类建模，为目标用户进行旅游点推荐。Han P K等人（2009）[114]通过分析美国国家健康趋势信息中心的大数据，应用人口统计学的层次，分析结肠癌、皮肤癌和肺癌与人们年龄、教育、种族、性别等方面的关联，并对人们使用电视、广播、网络等生活习惯进行了分析，发现其中存在人口统计学上的关联，为不同人群用户提出了不同的生活习惯建议，推荐不同的餐饮内容。

3.基于心理学的推荐

已有的研究表明，人们的选择行为不仅受外部环境的影响，而且还受各种心理因素的影响。Wang Y等人（2013）[115]从心理学上分析了用户对推进系统推荐行为的反应，提出在面对用户不同心理和行为状态时，推荐系统应该作出的推荐行为调整，以提高用户的购物体验，提高用户对推荐物品的接受度。Wang Z等人（2014）[116]基于行为心理学提出了一种新的电子商务推荐方法，该方法针对用户的当前行为分析用户的心理状态，然后为其推荐适应于其当前心理状态的商品，以提高推荐的接受度。Shen L等人（2010）[117]基于心理学的态度行为关联理论分析用户的点击行为和浏览行为，提出了一种Web服务推荐模型，以提高服务推荐的准确度。