近年來,物流領(lǐng)域高速發(fā)展,其相關(guān)產(chǎn)品已經(jīng)滲入到人們生活的方方面面。在互聯(lián)網(wǎng)時(shí)代的智能生活下,物聯(lián)網(wǎng)生活也在逐步到來。因此,對(duì)物聯(lián)網(wǎng)產(chǎn)業(yè)鏈的研究逐漸展開。其中,公路物流領(lǐng)域的發(fā)展顯得尤為突出,2018年公路物流的貨物運(yùn)輸量占整個(gè)物流體系75%以上[1]。借助于公路貨運(yùn)調(diào)度平臺(tái)信息,司機(jī)輸入搜索信息后出現(xiàn)的貨物詳情頁面。其傳統(tǒng)的推薦邏輯展示的推薦列表,準(zhǔn)確度低、司機(jī)在選擇貨物信息時(shí)的決策成本較高、決策時(shí)間較長、貨車空駛情況較嚴(yán)重。隨著近年來人工智能和云計(jì)算技術(shù)的迅猛發(fā)展,越來越多的電子商務(wù)企業(yè)在其商品展示詳情頁中的推薦模型研究均給公司帶來了較大獲益。而目前公路貨運(yùn)調(diào)度平臺(tái)還尚未在此方面做出顯著研究成果。因此,構(gòu)建高效、高穩(wěn)定性的貨物詳情頁推薦模型對(duì)物流領(lǐng)域的發(fā)展顯得至關(guān)重要。本文研究是在傳統(tǒng)推薦算法研究基礎(chǔ)上,將整個(gè)推薦模型分為召回模型和打分模型兩大部分。其中,召回模型是從百萬實(shí)時(shí)貨物信息中召回k條與目標(biāo)貨物最相關(guān)的貨物信息,打分模型是求得召回的k條貨物信息會(huì)被點(diǎn)擊的概率值。本文以貨運(yùn)調(diào)度平臺(tái)的真實(shí)數(shù)據(jù)信息構(gòu)建模型,真實(shí)線上效果評(píng)估模型的合理性和有效性。對(duì)于召回模型,分別通過協(xié)同過濾算法和... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：43 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１缺失值產(chǎn)生原因??，

圖２．３基于用戶的協(xié)同過濾??計(jì)算目標(biāo)用戶Ａ的相似用戶為用戶Ｃ，預(yù)測(cè)用戶Ａ的偏好包括物品Ｄ，則??

圖２．４基于項(xiàng)目的協(xié)同過濾算法??的歷史偏好信息，計(jì)算物品Ａ的相似物品為物品Ｃ。喜歡物品Ｃ，而用戶Ｃ也喜歡物品Ａ，所以推斷用商務(wù)業(yè)的推薦系統(tǒng)研宄領(lǐng)域，對(duì)于協(xié)同過濾算法的目前還存在幾個(gè)較大的局限性，會(huì)對(duì)推薦效果帶來：??稀疏性。在電子商務(wù)業(yè)的詳情頁面中的貨物信息通產(chǎn)生過購買行為的物品可能遠(yuǎn)遠(yuǎn)不足１％。在這種的物品重疊性較低，此時(shí)根據(jù)物品購買情況可能找問題。對(duì)于沒有產(chǎn)生過任何購買行為的新用戶而算物品相似度或者是丨丨〗戶相似度，從而無法對(duì)其展性。電子商務(wù)業(yè)的持續(xù)發(fā)展，用戶和物品的數(shù)會(huì)帶來計(jì)算量的顯著增加，因此該方法不太適合在

【參考文獻(xiàn)】：
期刊論文
[1]基于數(shù)據(jù)挖掘的風(fēng)電功率預(yù)測(cè)特征選擇方法[J]. 李俊卿,李秋佳,石天宇,郭晉才.  電測(cè)與儀表. 2019(10)
[2]整車物流運(yùn)輸多式聯(lián)運(yùn)與路徑優(yōu)化研究[J]. 胡元,帥宇紅.  交通運(yùn)輸工程與信息學(xué)報(bào). 2019(01)
[3]中國網(wǎng)民二十年發(fā)展變化趨勢(shì)研究——基于《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》及《中國統(tǒng)計(jì)年鑒》的分析[J]. 劉立榮.  新聞戰(zhàn)線. 2018(10)
[4]不同缺失場(chǎng)景下各缺失值不同處理方法的結(jié)果比較[J]. 邱建青,周雨秋,岳廷妍,裴姣,稅春燕,李曉松,張韜.  四川大學(xué)學(xué)報(bào)(醫(yī)學(xué)版). 2018(03)
[5]動(dòng)平衡系統(tǒng)頻率響應(yīng)函數(shù)的歸一化處理方法研究[J]. 叢培田,王永健,白志強(qiáng).  機(jī)械工程與自動(dòng)化. 2018(01)
[6]數(shù)據(jù)清洗方法研究綜述[J]. 趙一凡,卞良,叢昕.  軟件導(dǎo)刊. 2017(12)



本文編號(hào)：3134031