發(fā)布時間：2022-01-05 12:00

　　隨著我國經(jīng)濟和互聯(lián)網(wǎng)技術的迅速發(fā)展,電子商務持續(xù)快速增長,互聯(lián)網(wǎng)商品的數(shù)量成指數(shù)級別增長,如何讓用戶在海量的信息中快速準確的找到自己感興趣的商品是當下的研究熱點之一,也是當前電子商務推薦服務急需解決的問題。在這種情況下,以智能推薦技術為核心的推薦系統(tǒng)應運而生,推薦系統(tǒng)是解決這個問題的重要工具,主要通過一些推薦算法來為用戶推薦自己感興趣的商品。本文主要對基于內(nèi)容的推薦技術、Apriori推薦算法和協(xié)同過濾推薦算法進行研究,分析算法中存在的數(shù)據(jù)稀疏性和算法復雜度問題,對Apriori算法進行了改進,在算法掃描數(shù)據(jù)庫的過程中,將已經(jīng)不頻繁的元素在原數(shù)據(jù)庫中刪除,使之后掃描的數(shù)據(jù)庫將越來越小,通過降低算法I/O次數(shù)來降低算法運行時間。將基于內(nèi)容的推薦技術和改進后的Apriori推薦算法相結(jié)合,彌補了單一算法推薦結(jié)果單一的局限性,得到更佳的推薦效果;在協(xié)同過濾算法中先使用FCM算法對用戶進行聚類,引入Slope One算法和隱式評分機制,預先填充評分矩陣,降低矩陣的稀疏性;優(yōu)化FCM算法中的距離公式,采用加權的歐氏距離公式代替原始的歐氏距離公式。改進后的算法流程為:（1）使用改進后的FCM算法對... 

【文章來源】：華北電力大學河北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

基于用戶特征的音樂推薦

圖 2-2 基于物品內(nèi)容的音樂推薦過程2.1.2 基于關聯(lián)規(guī)則的推薦算法關聯(lián)規(guī)則推薦是推薦技術中應用非常廣，1994 年問世的 Group lens 系統(tǒng)就是利用關聯(lián)性規(guī)則完成推薦。關聯(lián)規(guī)則推薦技術主要是挖掘各個項目之間的關聯(lián)性，將

圖 2-3Apriori 算法的工作流程經(jīng)過三次掃描三次比較找到數(shù)據(jù)庫的頻繁 3 項集，Apriori 算法求解得出兩各項關聯(lián)的情況下，AB、AD、AE、BE 關聯(lián)度較高，三個項目關聯(lián)的情況下，ABE項關聯(lián)度最高。但是 Apriori 算法的缺點也顯而易見：挖掘的過程需要重復多次掃描數(shù)據(jù)庫。

【參考文獻】：
期刊論文
[1]厲行法治 引領電商高質(zhì)量發(fā)展[J]. 李小健.  中國人大. 2018(17)
[2]Apriori算法的改進及其在電子商務中的應用[J]. 劉彬,程曉榮.  電腦知識與技術. 2017(27)
[3]基于協(xié)同過濾算法的IT書籍推薦系統(tǒng)設計與實現(xiàn)[J]. 孫曉娟,千博,王圣濤.  軟件導刊. 2017(04)
[4]一種改進的協(xié)同過濾推薦算法[J]. 劉藝,馮鈞,魏童童,陳志飛,徐歡,張立霞.  計算機與現(xiàn)代化. 2017(01)
[5]“互聯(lián)網(wǎng)+”時代的電子商務[J]. 聶林海.  中國流通經(jīng)濟. 2015(06)
[6]改進的Apriori算法在高校選修課系統(tǒng)和應對氣候變化相關統(tǒng)計工作中的應用[J]. 佘為,謝會娟.  信息與電腦(理論版). 2015(11)
[7]基于Apriori算法的關聯(lián)規(guī)則挖掘系統(tǒng)設計與實現(xiàn)[J]. 麥丞程.  電腦編程技巧與維護. 2015(11)
[8]基于MapReduce的并行化模糊劃分算法[J]. 張廣蓉,陳慶奎,章剛,趙海燕,高麗萍,霍歡.  計算機應用. 2014(11)
[9]基于關聯(lián)規(guī)則的Apriori算法改進研究[J]. 郅芬香,王留芳.  信息與電腦(理論版). 2014(09)
[10]考慮項目屬性的協(xié)同過濾推薦模型[J]. 楊興耀,于炯,吐爾根·依布拉音,錢育蓉,孫華.  計算機應用. 2013(11)

博士論文
[1]協(xié)同過濾推薦系統(tǒng)關鍵問題研究[D]. 孔維梁.華中師范大學 2013

碩士論文
[1]推薦系統(tǒng)中協(xié)同過濾算法的改進與研究[D]. 申凱麗.北京交通大學 2017
[2]云環(huán)境下針對企業(yè)營銷的個性化智能推薦研究[D]. 趙云.浙江理工大學 2017
[3]基于混合算法的個性化推薦系統(tǒng)[D]. 謝藝聰.北京郵電大學 2017
[4]協(xié)同過濾推薦算法的優(yōu)化及其實證系統(tǒng)實現(xiàn)[D]. 宋濤.北京交通大學 2016
[5]基于項目屬性的多矩陣協(xié)同過濾推薦算法的研究[D]. 高云.中國石油大學(華東) 2016
[6]面向稀疏數(shù)據(jù)的個性化推薦技術研究[D]. 石教開.西南大學 2016
[7]協(xié)同過濾推薦系統(tǒng)中稀疏性數(shù)據(jù)的算法研究[D]. 李容.電子科技大學 2016
[8]個性化推薦中協(xié)同過濾算法研究[D]. 路春霞.北京交通大學 2016
[9]基于移動上下文的音樂推薦系統(tǒng)[D]. 曹磊.東南大學 2015
[10]基于可視化知識框架的視頻推薦系統(tǒng)研究與實現(xiàn)[D]. 戴思.中南大學 2014



本文編號：3570310