电子商务中基于动态图模型的推荐方法研究

电子商务中基于动态图模型的推荐方法研究

ID:34870021

大小:2.92 MB

页数:66页

时间:2019-03-12

电子商务中基于动态图模型的推荐方法研究_第1页
电子商务中基于动态图模型的推荐方法研究_第2页
电子商务中基于动态图模型的推荐方法研究_第3页
电子商务中基于动态图模型的推荐方法研究_第4页
电子商务中基于动态图模型的推荐方法研究_第5页
资源描述:

《电子商务中基于动态图模型的推荐方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号:单位代码:10140密级:学号公开:4031531913,LIAONINGUNIVERSITY硕士学位论文THESISFORMASTERDEGREE论文题目:电子商务中基于动态图模型的推荐方法研究ResearchonRecommendationMethodBasedonDnamicy英文题目:GhMode-ralinEcommercep论文作者:韩百硕—指导教师:宋宝燕教授专业:计算机应用技术完成时间一:二○八年五月*申请辽宁

2、大学硕士学位论文电子商务中基于动态图模型的推荐方法研究ResearchonRecommendationMethodBasedonDynamicGraphModelinE-commerce作者:韩百硕指导教师:宋宝燕教授专业:计算机应用技术答辩日期:2018年5月25日二○一八年五月·中国辽宁辽宁大学学位论文原创性声明本人郑重声明:所呈交的学位论文是本人在导师的指导下独立完成的。论文中取得的研究成果除加以标注的内容外,不包含其他个人或集体已经发表或撰写过的研究成果,不包含本人为获得其他学位而使用过

3、的成果。对本文的研究做出重要贡献的个人和集体均己在文中进行了标注,并表示谢意。本人完全意识到本声明的法律结果由本人承担。■月学位论文作者签名:年!5■^日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交学位论文的原件、复印件和电子版,允许学位论文被查阅和借阅^本人授权辽宁大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编学位论文。同时授权中M学术期刊(

4、光盘版)电子杂志社将本学位论文收录到《中国博士学位论文全文数据库》和《中国优秀硕士学位论文全文数据库》并通过网络向社会公众提供信息服务。学校须按照授权对学位论文进行管理,不得超越授权对学位论文进行壬意处理^保密(),在年后解密适用本授权书。(保密:请在括?‘”‘号内划V)授权人签名:自别?指导教师签名:*d期>斤■i:年5月日H期:年5月乃R摘要摘要随着计算机网络技术的发展和人们生活水平的提高,越来越多的用户通过各种不同的设备上网,比如手机、Ipad和智能穿戴设备上

5、网,企业通过收集用户的数据并进行分析,可以提高用户友好度。在电子商务行业中,由于物品的多样性,在平台上会存在各式各样的物品信息,用户在没有明确需求的前提下,面对海量的物品无法找到自己需要购买的物品,同样的电子商务平台也无法将物品推送到对物品感兴趣的目标用户。如何更好的让用户购买自己喜好的物品以及企业如何更好的服务用户成为了现在的主要研究热点问题。针对上述问题,推荐系统应运而生,推荐系统正是联系用户与物品的工具,面对海量的数据信息,推荐系统是解决数据过载的高效手段。它可以在用户面对海量数据时,合理的向用户推荐用户

6、喜好的物品或者信息。企业通过分析用户的历史数据发掘出用户的喜好和用户潜在的消费能力,结合物品或者信息的特点,将物品推荐给对物品感兴趣的目标用户。这样推荐系统不但可以帮助用户找到自己喜好的物品,提高用户友好度,也有利于公司提供更好的服务,同时也有利于企业将物品推荐给目标用户。进行推荐时一般会根据用户的偏好,而用户的偏好是随时间不断变化的。用户的长短期偏好对用户来说非常重要,使用时间因素可以很好的描述长短期偏好。因此,本论文提出了一种基于动态图模型的用户偏好计算方法,同时提出了两种基于用户偏好的推荐算法,本文的主要

7、内容概括如下:(1)首先,提出一种在MapReduce框架下基于动态图模型的用户偏好计算方法,该方法通过两轮MapReduce计算得到用户的最终偏好。第一轮处理中得到用户在各快照中的偏好,第二轮通过整合各快照中的用户偏好得到最终偏好。(2)其次,得到用户偏好后,提出一种基于无监督极限学习机(US-ELM)的用户聚类算法。通过将用户最终偏好数据输入到US-ELM中得到用户的聚类结果。(3)再次,提出两种基于用户偏好的推荐方法。一种是面向用户分组的推荐算法,通过使用新的物品打分算法得到组用户对物品的打分,通过物品的

8、得分生成推荐列表;另一种是面向特定用户的推荐算法,通过使用特定用户的偏好I摘要对物品的得分进行修正能够使推荐结果更加的准确。(4)最后,通过在真实数据集和合成数据集上进行实验测试,从推荐准确率、召回率和时间消耗方面与多种算法进行对比,实验结果表明本文提出的算法具有较高的性能。关键词:无监督极限学习机,动态图,推荐算法,用户偏好IIAbstractABSTRACTWiththepopul

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。