本文關(guān)鍵詞：電子商務(wù)協(xié)同過濾算法的研究與實(shí)現(xiàn)

  更多相關(guān)文章： 電子商務(wù) 協(xié)同過濾 Min-Hash 擴(kuò)展性 預(yù)處理

【摘要】：隨著互聯(lián)網(wǎng)的飛速發(fā)展,電子商務(wù)網(wǎng)站及其商品信息數(shù)量急劇增多,用戶在享受電子商務(wù)帶來方便、快捷服務(wù)的同時(shí),也希望能更及時(shí)更準(zhǔn)確地獲取所需的商品信息。通過為用戶提供個(gè)性化推薦系統(tǒng)可以很好地滿足用戶需求。推薦系統(tǒng)通過分析用戶的歷史行為了解用戶的興趣愛好,然后向用戶推薦其可能感興趣的商品信息。盡管現(xiàn)有的推薦技術(shù)能夠一定程度上解決此問題,但是各種推薦技術(shù)面臨的諸多局限性使得其并不能從根本上滿足用戶需求。 本文在傳統(tǒng)推薦技術(shù)的基礎(chǔ)上,主要研究了傳統(tǒng)協(xié)同過濾的推薦機(jī)制,針對(duì)其擴(kuò)展性問題提出了一種改進(jìn)的算法,并實(shí)驗(yàn)驗(yàn)證其可行性。本文具體內(nèi)容包括： 1.闡述了當(dāng)前推薦系統(tǒng)的研究現(xiàn)狀以及比較典型的推薦技術(shù),深入地探討分析了傳統(tǒng)協(xié)同過濾方法的基本原理并深入研究了不同類型的協(xié)同過濾技術(shù)的推薦機(jī)制、尋找最近鄰方式和各自的優(yōu)缺點(diǎn)； 2.從推薦原理上分析了傳統(tǒng)協(xié)同過濾的局限性,并從大規(guī)模數(shù)據(jù)集的角度闡述了傳統(tǒng)協(xié)同過濾在處理大規(guī)模高維數(shù)據(jù)時(shí)存在的不足； 3.研究分析了Min-Hash在大規(guī)模數(shù)據(jù)上的降維原理,論證了將Min-Hash應(yīng)用到協(xié)同過濾中,然后設(shè)計(jì)并實(shí)現(xiàn)了基于Min-Hash算法的協(xié)同過濾模型； 4.在給定的實(shí)驗(yàn)數(shù)據(jù)集上進(jìn)行了對(duì)比實(shí)驗(yàn),首先針對(duì)數(shù)據(jù)集中存在噪音數(shù)據(jù)和同義性的問題,設(shè)計(jì)噪音過濾和數(shù)據(jù)預(yù)處理方案,在一定程度上提高了推薦結(jié)果的精準(zhǔn)度。 實(shí)驗(yàn)結(jié)果表明,Min-Hash方法能在保證推薦質(zhì)量的前提下很大程度上縮短計(jì)算時(shí)間和存儲(chǔ)空間,能有效地?cái)U(kuò)展到大型電子商務(wù)網(wǎng)站。
【關(guān)鍵詞】：電子商務(wù) 協(xié)同過濾 Min-Hash 擴(kuò)展性 預(yù)處理
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2011
【分類號(hào)】：TP301.6
【目錄】：

• 致謝5-6
• 中文摘要6-7
• ABSTRACT7-10
• 1 緒論10-17
• 1.1 論文背景與意義10-11
• 1.2 電子商務(wù)推薦系統(tǒng)11-15
• 1.2.1 國(guó)內(nèi)外電子商務(wù)推薦系統(tǒng)發(fā)展水平11-13
• 1.2.2 個(gè)性化推薦系統(tǒng)13-15
• 1.3 論文主要內(nèi)容及結(jié)構(gòu)安排15-17
• 1.3.1 論文主要內(nèi)容15
• 1.3.2 論文結(jié)構(gòu)安排15-17
• 2 協(xié)同過濾推薦技術(shù)研究17-30
• 2.1 電子商務(wù)中協(xié)同過濾推薦技術(shù)的應(yīng)用17-19
• 2.2 協(xié)同過濾推薦技術(shù)研究19-28
• 2.2.1 協(xié)同過濾推薦技術(shù)問題分析19-20
• 2.2.2 協(xié)同過濾技術(shù)基礎(chǔ)20-22
• 2.2.3 協(xié)同過濾技術(shù)分類22-23
• 2.2.4 協(xié)同過濾技術(shù)原理23-25
• 2.2.5 協(xié)同過濾的局限性分析25
• 2.2.6 典型解決方案25-28
• 2.3 協(xié)同過濾評(píng)價(jià)指標(biāo)28-30
• 3 協(xié)同過濾Min-Hash算法研究30-41
• 3.1 問題的提出30
• 3.2 Min-Hash聚類原理30-32
• 3.3 基于Min-Hash算法的協(xié)同過濾32-41
• 3.3.1 協(xié)同過濾Min-Hash算法原理32-35
• 3.3.2 協(xié)同過濾Min-Hash算法設(shè)計(jì)35-38
• 3.3.3 協(xié)同過濾Min-Hash模型設(shè)計(jì)38-41
• 4 實(shí)驗(yàn)與評(píng)估41-49
• 4.1 實(shí)驗(yàn)環(huán)境41-42
• 4.2 實(shí)驗(yàn)數(shù)據(jù)預(yù)處理42-44
• 4.3 實(shí)驗(yàn)設(shè)計(jì)44-46
• 4.3.1 實(shí)驗(yàn)設(shè)置44-45
• 4.3.2 評(píng)估方法45-46
• 4.4 實(shí)驗(yàn)結(jié)果46-48
• 4.5 實(shí)驗(yàn)結(jié)論48-49
• 5 總結(jié)與展望49-51
• 5.1 總結(jié)49
• 5.2 展望49-51
• 參考文獻(xiàn)51-54
• 學(xué)位論文數(shù)據(jù)集54

【引證文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王桂芬;電子商務(wù)個(gè)性化推薦系統(tǒng)中協(xié)同過濾算法的研究與應(yīng)用[D];南昌大學(xué);2012年

，

本文編號(hào)：706190