基于協(xié)同過濾及關聯(lián)規(guī)則的混合推薦算法研究.pdf_第1頁
已閱讀1頁,還剩85頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著Internet的快速發(fā)展,互聯(lián)網的廣泛應用與普及,我們進入了高速信息和電子商務的時代。互聯(lián)網的數據量逐漸膨脹,以互聯(lián)網為基礎的電子商務企業(yè)的規(guī)模也在不斷擴增,商品的種類和數量都處于高速增長時期,無論是對電子商務企業(yè)還是個人都產生了重大的影響。
  在互聯(lián)網經濟體系中,顧客很難在短暫的時間內迅速檢索到自己所需要的信息、服務或物品。這種充斥在互聯(lián)網中的與自己需求無關的大量信息會使用戶迷失(資源迷向),使顧客花費大量的時間進行檢索

2、排查,最終導致客戶群的流失。因此,智能化的個性化推薦算法是非常必要的。它被提出來幫助互聯(lián)網企業(yè)解決信息過載以及客戶流失的問題。個性化的推薦系統(tǒng)是在對海量數據進行挖掘的基礎上建立的一種高級商務智能平臺,以此幫助電商為其顧客購物提供完全個性化的決策支持和推薦服務,將顧客潛在的興趣挖掘出來,并轉變?yōu)殇N售量的增長與盈利。不過,個性化的推薦系統(tǒng)也衍生了較多的問題,如推薦結果的覆蓋率過于狹窄,實時性不高,準確性低等。為了解決上述問題,本文對基于用戶

3、的協(xié)同過濾和基于強關聯(lián)規(guī)則的混合推薦算法進行了重點研究,并通過實驗驗證了采用本文提出的推薦算法的推薦結果的可靠性與準確性。
  合理的推薦算法在推薦系統(tǒng)的應用的中處于核心地位,它同推薦系統(tǒng)輸出結果的好壞密切相關。本文針對推薦算法提出了一種基于用戶的協(xié)同過濾算法的GRNN神經網絡優(yōu)化技術,它不但可以解決協(xié)同過濾算法引起的一系列問題,例如數據稀疏性問題等,還可以提升推薦系統(tǒng)的工作效率,優(yōu)化推薦輸出結果的質量,提升用戶滿意度,使算法的應

4、用范圍更加廣泛?;趶婈P聯(lián)規(guī)則的推薦算法中支持度與置信度的閾值選擇十分重要,因此通過改進遺傳算法優(yōu)化置信度與支持度的閾值,以此來優(yōu)化推薦結果的質量。
  最后,本文結合基于用戶的協(xié)同過濾算法及基于強關聯(lián)規(guī)則的推薦算法的優(yōu)點,并且為了彌補各自的不足,提出采用基于兩種基本算法改進后的混合個性化推薦算法。最后,將實際天貓用戶的數據集作為本算法仿真的數據來源,設計三個實驗,以此來比較基于用戶的協(xié)同過濾算法,基于強關聯(lián)規(guī)則的推薦算法及混合推

溫馨提示

  • 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論