在電子商務(wù)中基于用戶行為的推薦算法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩61頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著信息技術(shù)和互聯(lián)網(wǎng)的發(fā)展,同時(shí)帶動(dòng)了電子商務(wù)行業(yè)的迅猛發(fā)展。在基于互聯(lián)網(wǎng)的電子商務(wù)平臺(tái)日益增多的同時(shí),伴隨而來(lái)的是呈爆炸式增長(zhǎng)的數(shù)據(jù)量。雖然數(shù)據(jù)量的增多可以給用戶提供更多的選擇,但同時(shí)也會(huì)導(dǎo)致用戶信息過(guò)載,無(wú)法從如此紛繁復(fù)雜的信息中快速提取自己想要的信息。推薦系統(tǒng)就是基于用戶和平臺(tái)的這種需求而誕生的。推薦系統(tǒng)中最關(guān)鍵和最核心的模塊是推薦算法,推薦算法的好壞直接決定了整個(gè)推薦系統(tǒng)的性能。
  本文主要研究基于用戶行為的推薦算法,利

2、用該算法來(lái)預(yù)測(cè)用戶的購(gòu)買行為。針對(duì)某大型電商平臺(tái)提供的真實(shí)用戶行為數(shù)據(jù)庫(kù),提取用戶和品牌的特征,采用隨機(jī)森林和改進(jìn)的協(xié)同過(guò)濾算法,以及組合神經(jīng)網(wǎng)絡(luò)算法對(duì)用戶下個(gè)月的購(gòu)買行為進(jìn)行預(yù)測(cè)。
  本文主要從用戶交互過(guò)和未交互過(guò)的品牌兩個(gè)方向出發(fā),對(duì)推薦算法進(jìn)行研究和改進(jìn),最后通過(guò)實(shí)驗(yàn)仿真,驗(yàn)證了本文改進(jìn)算法的有效性。本文的主要研究?jī)?nèi)容如下:
  (1)基于隨機(jī)森林和協(xié)同過(guò)濾的混合推薦算法。分析了決策樹模型在本文原始數(shù)據(jù)上應(yīng)用的不足,

3、針對(duì)該算法的不足,提出應(yīng)用多決策樹組合模型,即隨機(jī)森林模型進(jìn)行預(yù)測(cè)推薦;對(duì)隨機(jī)森林模型進(jìn)行了詳細(xì)介紹和分析;并且利用隨機(jī)森林模型對(duì)分析用戶行為設(shè)計(jì)的用戶和品牌特征進(jìn)行了重要性評(píng)估。對(duì)用戶未交互品牌的預(yù)測(cè),應(yīng)用協(xié)同過(guò)濾算法。對(duì)傳統(tǒng)協(xié)同過(guò)濾算法進(jìn)行介紹分析,針對(duì)傳統(tǒng)協(xié)同過(guò)濾算法中計(jì)算用戶和品牌相似性時(shí)對(duì)用戶行為的同等對(duì)待這一不合理性,提出了對(duì)用戶行為基于重要性賦予權(quán)重,該權(quán)重的計(jì)算方法采用層次分析法中計(jì)算權(quán)重的方法進(jìn)行。
  (2)基

4、于RBF-BP組合神經(jīng)網(wǎng)絡(luò)推薦算法。利用神經(jīng)網(wǎng)絡(luò)能夠?qū)Υ罅繌?fù)雜的非線性數(shù)據(jù)進(jìn)行分析,適用于構(gòu)造數(shù)據(jù)預(yù)測(cè)模型,因此本文利用了神經(jīng)網(wǎng)絡(luò)模型對(duì)用戶有過(guò)交互行為的品牌做預(yù)測(cè)推薦。通過(guò)分析BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)模型用于預(yù)測(cè)分析的優(yōu)缺點(diǎn),提出了基于RBF-BP組合神經(jīng)網(wǎng)絡(luò)推薦算法。為了使推薦結(jié)果更全面,把改進(jìn)后的協(xié)同過(guò)濾推薦算法和組合神經(jīng)網(wǎng)絡(luò)推薦算法結(jié)果相融合,能達(dá)到更好的推薦效果。最后對(duì)這幾種算法進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果顯示改進(jìn)算法的性能都得到

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論