隨著互聯(lián)網快速高效的發(fā)展,大數(shù)據(jù)、云計算的興起,電子商務領域越來越注重個性化推薦,這不僅是因為物質生活水平的不斷提升使得人們越來越追求精神上的滿足,還因為個性化推薦系統(tǒng)能實現(xiàn)用戶、系統(tǒng)平臺和生產商“三贏”的局面。本文對推薦系統(tǒng)的發(fā)展現(xiàn)狀以及相關推薦技術進行了研究,考慮到傳統(tǒng)推薦算法中未涉及對用戶特征的研究,且用戶/項目評分矩陣數(shù)據(jù)稀疏嚴重難以解決,而用戶特征在很大程度上對用戶的興趣愛好模型起決定性作用,本文在傳統(tǒng)的基于用戶的協(xié)同過濾（User-based Collaborative Filtering,UBCF）算法的思想上,將用戶特征融入了新算法,設計出基于用戶特征的推薦（User Characteristics-based Recommendation,UCBR）算法。本文歸納和總結了13個用戶特征并進行了參數(shù)化表示,在通過K-means技術對用戶進行了兩次基于關鍵特征值聚類的基礎上,基于用戶屬性特征集以及項目評分通過余弦相似度方法依次進行計算,得到目標用戶最終的相似用戶集后,通過優(yōu)選率對相似用戶集中用戶對項目的評分以及項目購買次數(shù)進行處理,得到了Top-N項目推薦列表。然后通過離... 

【文章來源】：西南交通大學四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

CB推薦算法思想舉例CBR算法實際上是一種分析并挖掘文本內容以提供相似內容文本的推薦技術，在文本層面的推薦領域里被廣泛采用，如書籍推薦系統(tǒng)、新聞推薦系統(tǒng)、文獻推薦系統(tǒng)

數(shù)據(jù)表關系圖

sdata 表：是對商品信息的擴充，其中包含商品顏色、商品價格、商品型號以存量等。一條 goods 數(shù)據(jù)對應多條 goodsdata 數(shù)據(jù)，因為一件商品可能有多種格可選，不同顏色、不同規(guī)格的同種商品的數(shù)量也不同；s 表：為用戶訂單表，用戶購買商品將會生成訂單數(shù)據(jù)存于此表；data 表：是對 orders 表的補充，一條 orders 數(shù)據(jù)對應多條 orderdata 數(shù)據(jù)，因單可以包含多種商品； 表：用戶購物車數(shù)據(jù)，當用戶添加商品到購物車時，會生成一條購物車數(shù)據(jù)；ation 表：保存了用戶對已購商品的評價，包括評分和文字描述；tadressdata 表：保存了用戶的收貨地址；eringdata 表：保存了經過關鍵特征聚類后的用戶；imilarity 表：保存了相似度計算后得到的 Top-N 個相似用戶；mendgoodsdata 表：保存了由推薦算法得到的推薦結果中的商品；ry 表：保存了用戶瀏覽過的商品。程設計

【參考文獻】：
期刊論文
[1]基于人臉識別的精準商品推送系統(tǒng)[J]. 張藝玲,徐瑋,周宇帆,王雅琳,鄭豪.  智能計算機與應用. 2020(09)



本文編號：3209426