版權(quán)說明: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),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展和廣泛應(yīng)用,電子商務(wù)隨之逐漸成熟,網(wǎng)購比例越來越大,然而商品種類日益繁多,從中選擇自己真正需要的物品也隨之變得愈發(fā)困難。電商平臺推薦系統(tǒng)的產(chǎn)生在一定程度上解決了信息過載的問題,根據(jù)用戶畫像或其歷史行為數(shù)據(jù)為用戶提供個性化的商品推薦,可以有效地避免一些篩選工作。協(xié)同過濾推薦算法是電商推薦系統(tǒng)中應(yīng)用最為廣泛且比較成熟的推薦算法,在現(xiàn)實應(yīng)用中收獲了一定的效果,但仍呈現(xiàn)出一些缺陷,諸如數(shù)據(jù)稀疏性、隱式反饋問題、冷啟動問題、準(zhǔn)
2、確性問題等。此外,面對用戶量和商品量激增的現(xiàn)狀,原始推薦算法逐漸暴露出擴展性、穩(wěn)定性和實時性等問題。
基于以上因素,通過研究國內(nèi)外關(guān)于協(xié)同過濾推薦算法的成果及算法存在的常見問題,本文有針對性地對基于項目的協(xié)同過濾算法進行了改進,包括數(shù)據(jù)預(yù)處理階段的隱式反饋問題解決方案,相似度計算階段的基于用戶歷史行為和物品描述信息的綜合相似度的改進,并結(jié)合當(dāng)前主流的大數(shù)據(jù)處理技術(shù)實現(xiàn)了改進算法在分布式計算平臺Spark上的并行化,最后將并行化
3、改進算法應(yīng)用于實際應(yīng)用中,主要工作及研究成果如下:
?。?)針對電商系統(tǒng)中用戶顯示評分?jǐn)?shù)據(jù)量較少的情況,利用系統(tǒng)中用戶的操作行為數(shù)據(jù),通過一定的方法將隱式反饋數(shù)據(jù)轉(zhuǎn)換為標(biāo)準(zhǔn)的用戶-項目評分矩陣,解決了電商系統(tǒng)中用戶的隱式反饋問題。
?。?)引入綜合相似度,由項目間的相似度和基于商品描述信息得到的相似度共同組成。利用商品的描述信息,對文本信息進行分詞、加入停用詞和自定義詞,將其轉(zhuǎn)換成TF-IDF向量,以此計算項目間的內(nèi)容相
4、似度。使用項目間內(nèi)容相似度,按照一定方式對傳統(tǒng)的項目間的相似度進行修正,通過這種方式來解決數(shù)據(jù)稀疏性、項目冷啟動等問題,同時提高了推薦結(jié)果的準(zhǔn)確率和召回率。
(3)鑒于算法的擴展性、穩(wěn)定性和實時性,將改進算法并行化于Spark平臺,利用并行化算法設(shè)計并實現(xiàn)了一個電商平臺推薦系統(tǒng),最后采用人口統(tǒng)計方法優(yōu)化了系統(tǒng)中用戶的冷啟動問題。
實驗結(jié)果表明,引入綜合相似度后的改進算法在準(zhǔn)確率和召回率上都有所提高,通過對比集群不同節(jié)
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對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, 同時也不承擔(dān)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。
最新文檔
- 基于Spark平臺的協(xié)同過濾算法的研究與實現(xiàn).pdf
- 基于Spark平臺的協(xié)同過濾推薦算法的研究與實現(xiàn).pdf
- 基于Spark的可擴展的協(xié)同過濾推薦算法研究.pdf
- 基于項目屬性協(xié)同過濾算法的研究與應(yīng)用.pdf
- 基于Spark的混合協(xié)同過濾推薦系統(tǒng)的研究與實現(xiàn).pdf
- 基于遺傳算法的協(xié)同過濾算法的研究與應(yīng)用.pdf
- 基于評論與評分的協(xié)同過濾算法研究.pdf
- 基于協(xié)同過濾算法的電影推薦應(yīng)用研究.pdf
- 基于可信相似度傳遞的協(xié)同過濾算法研究與應(yīng)用
- 基于hadoop的協(xié)同過濾算法的研究與實現(xiàn)
- 基于Hadoop的協(xié)同過濾算法的研究與實現(xiàn).pdf
- 基于云模型的協(xié)同過濾推薦算法的研究與應(yīng)用.pdf
- 協(xié)同過濾算法研究.pdf
- 基于協(xié)同過濾算法的用戶喜好研究
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于資源時效的協(xié)同過濾算法研究.pdf
- 基于協(xié)同過濾技術(shù)的推薦算法研究.pdf
- 基于分層策略的協(xié)同過濾算法研究.pdf
- 基于協(xié)同過濾的圖書推薦算法研究.pdf
- 基于協(xié)同過濾的個性化推薦算法的研究與應(yīng)用.pdf
評論
0/150
提交評論