伴隨著互聯(lián)網(wǎng)技術(shù)快速迭代和發(fā)展,過(guò)去30年間人類(lèi)社會(huì)產(chǎn)生的信息量已大大超過(guò)人類(lèi)有史以來(lái)產(chǎn)生的總信息量,人們陷入到信息的汪洋中,如何高效地尋找到自己真正需要的信息資源成為一個(gè)難題。個(gè)性化推薦通過(guò)分析用戶(hù)行為,為用戶(hù)建立興趣模型,預(yù)測(cè)用戶(hù)行為模式,再主動(dòng)將有效信息推薦給用戶(hù),從而在一定程度上解決了用戶(hù)獲取有用信息的難度。然而對(duì)于汽車(chē)這種低頻次購(gòu)買(mǎi)的特殊商品,不像人們平時(shí)生活中的普通用品,它本身有著復(fù)雜度高、相關(guān)參數(shù)眾多等特點(diǎn),所以在推薦任務(wù)過(guò)程中,對(duì)不經(jīng)常接觸這一領(lǐng)域的用戶(hù),會(huì)遇到相關(guān)領(lǐng)域知識(shí)匱乏,對(duì)于汽車(chē)銷(xiāo)售商,會(huì)遇到用戶(hù)歷史交易數(shù)據(jù)少等困難。如何將個(gè)性化推薦成功應(yīng)用于汽車(chē)購(gòu)買(mǎi)領(lǐng)域,讓用戶(hù)更方便選購(gòu)汽車(chē),讓汽車(chē)銷(xiāo)售商更準(zhǔn)確推薦汽車(chē),是擺在用戶(hù)和汽車(chē)銷(xiāo)售商面前亟需解決的問(wèn)題,同時(shí)也是本文研究的目的所在。本文在相關(guān)理論與國(guó)內(nèi)外學(xué)者科研成果研究基礎(chǔ)上,面向新用戶(hù)的需求,建立了汽車(chē)推薦算法,本文取得的主要研究成果如下:1.通過(guò)比較現(xiàn)有推薦算法,確定了本文使用的個(gè)性化推薦算法的框架-基于知識(shí)的推薦算法,并對(duì)該算法及相關(guān)技術(shù)進(jìn)行了詳細(xì)的分析與介紹。2.通過(guò)網(wǎng)絡(luò)爬蟲(chóng)獲取到本文所需的汽車(chē)數(shù)據(jù),分析不同群... 

【文章來(lái)源】：河北經(jīng)貿(mào)大學(xué)河北省

【文章頁(yè)數(shù)】：43 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線圖

圖 3.1 網(wǎng)絡(luò)數(shù)據(jù)頁(yè)面3.2 數(shù)據(jù)采集過(guò)程遇到的問(wèn)題及解決方法在爬取數(shù)據(jù)的過(guò)程中發(fā)現(xiàn)汽車(chē)之家這個(gè)網(wǎng)站設(shè)立了反爬機(jī)制，如用戶(hù)口碑鼠標(biāo)的右鍵功能，短期內(nèi)不斷訪問(wèn)網(wǎng)站需重新驗(yàn)證，網(wǎng)頁(yè)字體設(shè)立掩碼，自定

圖 3.2 修改爬蟲(chóng)間隔時(shí)間到，這里不再是簡(jiǎn)單的數(shù)字混淆了，而是對(duì)一些中文文字進(jìn)行了重新編碼處理。這體里有 91 個(gè)字（含一個(gè)空白字），每個(gè)字顯示其字形和其字形編碼。比如文中“很”的編碼是 0xED1E，在利用 Font Creator 查看復(fù)制的該不可見(jiàn)字符的十六進(jìn)制編碼

【參考文獻(xiàn)】：
期刊論文
[1]基于文本情感分析的電商在線評(píng)論數(shù)據(jù)挖掘[J]. 劉玉林,菅利榮.  統(tǒng)計(jì)與信息論壇. 2018(12)
[2]基于文本挖掘的網(wǎng)絡(luò)商品評(píng)論情感分析[J]. 劉敏,王向前,李慧宗,張寶隆.  遼寧工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[3]基于知識(shí)圖譜的個(gè)性化學(xué)習(xí)資源推薦研究[J]. 黃華升.  軟件工程. 2018(10)
[4]融合內(nèi)容和改進(jìn)協(xié)同過(guò)濾的個(gè)性化推薦算法[J]. 何波,潘力.  控制工程. 2018(08)
[5]知識(shí)圖譜的推薦系統(tǒng)綜述[J]. 常亮,張偉濤,古天龍,孫文平,賓辰忠.  智能系統(tǒng)學(xué)報(bào). 2019(02)
[6]結(jié)合用戶(hù)偏好和項(xiàng)目屬性的網(wǎng)絡(luò)結(jié)構(gòu)推薦算法[J]. 蘇健民,郭偉超.  黑龍江大學(xué)自然科學(xué)學(xué)報(bào). 2018(02)
[7]融合社交因素和評(píng)論文本卷積網(wǎng)絡(luò)模型的汽車(chē)推薦研究[J]. 馮永,陳以剛,強(qiáng)保華.  自動(dòng)化學(xué)報(bào). 2019(03)
[8]基于Python的關(guān)聯(lián)規(guī)則算法在推薦領(lǐng)域的應(yīng)用研究[J]. 韓潞潞,劉念,王楓.  科技資訊. 2018(02)
[9]基于MOOC平臺(tái)數(shù)據(jù)和知識(shí)圖譜的學(xué)習(xí)路徑推薦——以軟件工程專(zhuān)業(yè)為例[J]. 吳強(qiáng)強(qiáng),陳昊鵬,趙子濠,蔣建偉.  工業(yè)和信息化教育. 2017(11)
[10]新能源汽車(chē)消費(fèi)者購(gòu)買(mǎi)影響因素的實(shí)證研究[J]. 張秋霞,劉朋.  汽車(chē)實(shí)用技術(shù). 2017(17)



本文編號(hào)：3284816