本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的電子商務(wù)商品個(gè)性化推薦技術(shù)研究

  更多相關(guān)文章： Web數(shù)據(jù)挖掘 推薦系統(tǒng) 協(xié)同過濾 融合算法

【摘要】：在當(dāng)今信息社會,網(wǎng)絡(luò)技術(shù)和信息技術(shù)高速發(fā)展,前所未有的、龐大的數(shù)字化信息資源的海洋出現(xiàn)在人們的面前,這是一個(gè)令人振奮的消息。但是,從另一個(gè)角度考慮可能對于某特定用戶的特定需求來說,信息可能是局限于某一個(gè)范圍內(nèi)的。而且,在傳統(tǒng)的Web服務(wù)中,信息的分布是在不同層次的頁面中的,一個(gè)用戶為了得到想要的信息只能從復(fù)雜繁瑣的欄目和頁面中去尋找。這顯然是不科學(xué)的,既耗費(fèi)的用戶的時(shí)間,又影響用戶的使用體驗(yàn)。尤其是當(dāng)下網(wǎng)絡(luò)經(jīng)濟(jì)的浪潮風(fēng)起云涌,為了解決這個(gè)問題,滿足特定用戶的特定需求,是用戶能在較短的時(shí)間內(nèi)獲得組織良好的滿足需求的信息,實(shí)現(xiàn)真正意義上的主動(dòng)、交互、個(gè)性服務(wù),將是商家當(dāng)今企業(yè)營銷中不可或缺的重要營銷方式。采用Web數(shù)據(jù)挖掘技術(shù),一方面將大量的看似無關(guān)的龐雜的網(wǎng)上的數(shù)據(jù)組織起來,這樣從中我們可以挖掘需求的有用知識,另一方面可以獲取關(guān)于群體用戶搜索行為和方式的普遍知識,之后,經(jīng)過對理解和分析這些知識,例如對用戶的搜索行為、訪問頻度、搜索訪問內(nèi)容等的分析,能提取出該用戶的行為等特征,從而制定針對該用戶的個(gè)性化界面。采用數(shù)據(jù)挖掘技術(shù)之后,我們可以更好地了解用戶交互行為數(shù)據(jù)中所包含的意義,因此,在個(gè)性化推送服務(wù)、信息智能化服務(wù)等領(lǐng)域,都進(jìn)行了該技術(shù)的廣泛應(yīng)用。本文對電子商務(wù)個(gè)性化推薦技術(shù)進(jìn)行了研究:深入分析了電子商務(wù)推薦系統(tǒng)的相關(guān)技術(shù)及算法,根據(jù)目前電子商務(wù)推薦系統(tǒng)的發(fā)展現(xiàn)狀,提出了最新的電子商務(wù)推薦系統(tǒng)的體系結(jié)構(gòu);不僅滿足系統(tǒng)推薦精度和實(shí)時(shí)性需要,而且將系統(tǒng)分為兩部分:離線挖掘和在線推薦,并具體針對每一部分的功能和技術(shù)進(jìn)行分析實(shí)現(xiàn)。分別分析了基于用戶的推薦系統(tǒng)、協(xié)同過濾的推薦系統(tǒng)和基于內(nèi)容的推薦系統(tǒng),最后設(shè)計(jì)了將三種推薦算法結(jié)合的推薦系統(tǒng),并進(jìn)行實(shí)驗(yàn),將新設(shè)計(jì)的推薦系統(tǒng)與三種分別的推薦系統(tǒng)進(jìn)行比較,進(jìn)行總結(jié)和展望。
【關(guān)鍵詞】：Web數(shù)據(jù)挖掘 推薦系統(tǒng) 協(xié)同過濾 融合算法
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.3;TP311.13
，

本文編號：822882