电子商务推荐系统研究——新用户和用户兴趣变化问题研究

电子商务推荐系统研究——新用户和用户兴趣变化问题研究

ID:36787530

大小:1.99 MB

页数:88页

时间:2019-05-15

电子商务推荐系统研究——新用户和用户兴趣变化问题研究_第1页
电子商务推荐系统研究——新用户和用户兴趣变化问题研究_第2页
电子商务推荐系统研究——新用户和用户兴趣变化问题研究_第3页
电子商务推荐系统研究——新用户和用户兴趣变化问题研究_第4页
电子商务推荐系统研究——新用户和用户兴趣变化问题研究_第5页
资源描述:

《电子商务推荐系统研究——新用户和用户兴趣变化问题研究》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、中国科学技术大学硕士学位论文摘要为解决由Internet的普及和迅速发展所带来的信息超载问题,电子商务推荐系统应运而生。它与用户进行交互,对用户的兴趣爱好进行预测,从而推荐用户所感兴趣的产品,以保证用户对企业的满意度和忠诚度。现存的推荐系统在取得了一定成功的同时也显示出相当多的弱点,如个性化程度低。推荐效率低等。针对上述问题,本文首先对电子商务推荐系统的基本概念和算法,尤其是协同过滤算法进行了介绍及比较分析。然后分别针对目前推荐系统中研究较少的新用户问题和用户兴趣随时间而变化的问题进行了算法研究。分别提出了基于模糊聚类

2、的推荐算法和基于客户行为序列的推荐算法。基于模糊聚类的推荐算法利用模糊聚类计算目标用户对产品的评分,利用产品相似性对相似产品进行过滤,从而选择合适的产品进行推荐。基于客户行为序列的推荐算法将客户历史记录时间进行分段,并在各时间段对用户进行聚类,从而挖掘出客户行为序列规则。将目标客户的行为序列与行为序列关联规则进行对比,并根据规则进行推荐。最后,通过仿真实验对两个算法分别进行了比较研究,证明了两个算法的推荐性能。关键词:推荐系统,数据挖掘,协同过滤,模糊聚类,行为序列中国科学技术大学硕士学位论文AbstractRecom

3、mendationSystemEmergedforthesakeofsolvinginformationoverloadproblem,whichfollowstheprosperityofInternetandElectronicCommerce.Itinteractswithcustomers,predictstheirinterestandhobbies,andrecommendsproductscustomerinterestedin.Socustomers’satisfactionandloyaltycall

4、bemaintained01"improved.ThoseexistingrecommendationsystemshavemadegreatSuccess,butatthesametime,theyalsoshowlotsofweaknesses,suchaslackofindividuality,lowrecommendatione街eiency,ere.Toaddresstheseissues,thisthesisfirstlyintroducesandanalysesthebasicconceptsandalg

5、orithmsinrecommendationsystem,thenproposestwoalgorithms,ThefirstisrecommendationalgorithmbasedonfIlz巧clustering,which,isusedtosolvenewuserproblem.Thesecondisrecommendationalgorithmbasedoncustomerbehaviorlocus,whichisusedforcustonla's’changedinterests.Recommendat

6、ionalgorithmbasedonfuzzyclusteringUSeSfuzzyclusteringtocomputeactive1.1sg-r’sratingseor笛forproducts;usesproducts'mxilari够tofil_tersimilarproducts.Thennlakerecommendationtonewcustomers.Recommendationalgorithmbasedoncustomerbehaviorlocusincorporatescustomers’chang

7、edinterestS,USeScustomerbehaviorlocustopredictactivecuff'tomer’sbuyingactivity,andmakerecommendationtocustomers.Final畋asimulationexperimentwasdesi舀ledtOtestthetwoalgorithmsseparately.Andtheresultsshowthatbothofthealgorithmshavehigherrecommendationefficiencythant

8、heircontrastedalgorithms.Keywords:recommendationsystem,datamining,collaborativefiltering,fuzzyclustering,behaviorlocusⅡ中国科学技术大学学位论文相关声明本人声明所呈交的学位论文,是本人在导师指导下进行研究工作所取得

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。