基于符號(hào)數(shù)據(jù)分析的協(xié)同過濾推薦算法.pdf

1、隨著互聯(lián)網(wǎng)的普及，互聯(lián)網(wǎng)用戶量以及電子商務(wù)交易平臺(tái)的使用者呈現(xiàn)了爆發(fā)性的增長，用戶的需求也變得多樣性和復(fù)雜性。為了滿足用戶的需求以及應(yīng)對千變?nèi)f化的市場，眾多電子商務(wù)網(wǎng)站紛紛研究電子商務(wù)技術(shù)。協(xié)同過濾推薦技術(shù)是電子商務(wù)公司研究最多，應(yīng)用最廣泛的一門技術(shù)。然而，由于用戶量和信息量出現(xiàn)了幾何式的增長，協(xié)同過濾技術(shù)在改進(jìn)過程中，遇到了自身無法克服的瓶頸，其推薦精度和推薦效率也隨之降低。
　　 本文提出了一種全新的思想-符號(hào)數(shù)據(jù)分析技術(shù)。

2、利用符號(hào)數(shù)據(jù)分析技術(shù)的“數(shù)據(jù)打包”特性來解決協(xié)同過濾推薦算法遇到的瓶頸。符號(hào)數(shù)據(jù)分析是一種研究如何從海量數(shù)據(jù)中發(fā)掘系統(tǒng)知識(shí)的理論和方法。目前主要有四種符號(hào)數(shù)據(jù)類型--區(qū)間變量、分布式變量、多值變量、文本變量。
　　 論文首先介紹了傳統(tǒng)的點(diǎn)數(shù)據(jù)協(xié)同過濾推薦算法，傳統(tǒng)推薦算法主要包括基于項(xiàng)目的協(xié)同過濾推薦算法、基于用戶的協(xié)同過濾推薦算法、基于模型的協(xié)同過濾推薦三種推薦算法。針對傳統(tǒng)協(xié)同過濾推薦算法中的不足，在傳統(tǒng)協(xié)同過濾算法的基礎(chǔ)上