隨著大數(shù)據(jù)時(shí)代的來(lái)臨,經(jīng)濟(jì)全球化的進(jìn)程也日益加速,企業(yè)之間的競(jìng)爭(zhēng)不斷加大,物流服務(wù)的競(jìng)爭(zhēng)也在不斷加劇,物流服務(wù)推送系統(tǒng)也就隨之應(yīng)用而生。在服務(wù)全球化背景下,物流服務(wù)推送系統(tǒng)之間的市場(chǎng)競(jìng)爭(zhēng)也日趨加劇,如何提供更加準(zhǔn)確、有意義的服務(wù)推送對(duì)于物流行業(yè)來(lái)說(shuō)顯得極其重要。從客戶的個(gè)人基本信息,歷史記錄等構(gòu)建出客戶需求行為的客戶畫像,在此基礎(chǔ)上進(jìn)行一系列的服務(wù)推送,這樣可以有效的解決以前的物流定制化服務(wù)推薦過(guò)程中存在的機(jī)械性和盲目性的問(wèn)題,從而提高客戶的忠誠(chéng)度與滿意度。本文采用關(guān)聯(lián)規(guī)則分析技術(shù)來(lái)處理物流客戶的相關(guān)數(shù)據(jù),得出客戶與商品的關(guān)聯(lián)度,并在此基礎(chǔ)上對(duì)物流客戶提供更好的推薦服務(wù)�；陉P(guān)聯(lián)規(guī)則分析和協(xié)同過(guò)濾算法在個(gè)性化推薦技術(shù)中是應(yīng)用較多的兩種方法,在傳統(tǒng)的關(guān)聯(lián)規(guī)則分析算法中存在著發(fā)現(xiàn)規(guī)則較難,占用不必要的系統(tǒng)資源,以及耗時(shí)較長(zhǎng)等缺點(diǎn),在協(xié)同過(guò)濾推薦算法中也存在著冷啟動(dòng)和數(shù)據(jù)稀疏性等不可忽視的問(wèn)題。所以本文提出了一種將協(xié)同過(guò)濾算法加入到基于關(guān)聯(lián)規(guī)則分析的改進(jìn)算法中,兩者的結(jié)合可以彌補(bǔ)兩種基本算法存在的缺點(diǎn)。本文中我們將權(quán)值與高期望概率的思想加入到關(guān)聯(lián)規(guī)則算法中,以此來(lái)提高規(guī)則提取的效率和準(zhǔn)確性,... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

淘寶推薦界面

同過(guò)濾推薦算法在稀疏數(shù)據(jù)集上表現(xiàn)不佳的情況，文獻(xiàn)[oder）和聚類結(jié)合的混合推薦算法。首先將用戶項(xiàng)目評(píng)分?jǐn)?shù)據(jù)作為自編碼機(jī)的輸入，計(jì)算出用戶特征數(shù)據(jù)。然后類操作，這樣便得到了用戶類別，從而使近鄰搜索范圍MAE）尋找到適用于同一類別用戶的推薦算法，最后組合的推薦模型。推薦階段，計(jì)算目標(biāo)用戶類別，并使用一種基于深度學(xué)習(xí)的混合興趣點(diǎn)推薦模型(MFM-HNN)與用戶簽到信息來(lái)提高興趣點(diǎn)推薦的性能。具體地，利表示，利用降噪自動(dòng)編碼對(duì)用戶簽到信息進(jìn)行初始化。評(píng)論信息特征和用戶簽到信息的初始值進(jìn)行興趣點(diǎn)推薦果表明所提 MFM-HNN 模型相比其他先進(jìn)的興趣點(diǎn)推薦

學(xué)位碩士研究生學(xué)位論文 第三章 系統(tǒng)總在下文的第四章詳細(xì)講解了改進(jìn)算法的設(shè)計(jì)。功能模塊。推薦模塊的目的是為了將與客戶關(guān)聯(lián)后的商品信息通過(guò)的用戶。本模塊在下文的第五章講解了推薦系統(tǒng)算法的設(shè)計(jì)。術(shù)架構(gòu)服務(wù)推送系統(tǒng)主要是為了實(shí)現(xiàn)對(duì)用戶的個(gè)性化服務(wù)推送，通過(guò)處史行為等數(shù)據(jù)，找出其中隱含的、有意義的規(guī)則，達(dá)到符合用戶需

【參考文獻(xiàn)】：
期刊論文
[1]運(yùn)營(yíng)商大數(shù)據(jù)用戶畫像實(shí)踐[J]. 王曉霞,劉靜沙,許丹丹.  電信科學(xué). 2018(05)
[2]基于深度學(xué)習(xí)的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計(jì)算機(jī)學(xué)報(bào). 2018(07)
[3]基于協(xié)同過(guò)濾算法的推薦系統(tǒng)研究[J]. 李楚桐,莫贊.  信息通信. 2018(02)
[4]改進(jìn)的Apriori算法的研究及應(yīng)用[J]. 劉麗娟.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(12)
[5]基于用戶點(diǎn)擊的線性回歸在內(nèi)容推薦中的應(yīng)用研究[J]. 石方夏.  現(xiàn)代電子技術(shù). 2017(17)
[6]基于矩陣壓縮的Apriori改進(jìn)算法[J]. 曲睿,張?zhí)鞁?  計(jì)算機(jī)工程與設(shè)計(jì). 2017(08)
[7]基于領(lǐng)域特征值的協(xié)同過(guò)濾個(gè)性化推薦方法[J]. 方超,暴建民,薛四猛.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(11)
[8]一種基于權(quán)重的Apriori改進(jìn)算法[J]. 劉毓,李莎.  西安郵電大學(xué)學(xué)報(bào). 2017(04)
[9]混合協(xié)同過(guò)濾算法中用戶冷啟動(dòng)問(wèn)題的研究[J]. 端德坤,傅秀芬.  計(jì)算機(jī)工程與應(yīng)用. 2017(21)
[10]一種改進(jìn)的Inter-Apriori算法[J]. 崔雙彌,張德生.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(01)



本文編號(hào)：3364178