基于Web挖掘的電子商務(wù)推薦技術(shù)的研究.pdf_第1頁
已閱讀1頁,還剩70頁未讀, 繼續(xù)免費閱讀

下載本文檔

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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)的普及和電子商務(wù)的發(fā)展,推薦系統(tǒng)在電子商務(wù)系統(tǒng)中起著越來越重要的作用。它可以將電子商務(wù)網(wǎng)站的瀏覽者變?yōu)橘徺I者,提高電子商務(wù)網(wǎng)站的交叉銷售能力,保留已有用戶。但是隨著電子商務(wù)系統(tǒng)規(guī)模的進(jìn)一步擴(kuò)大,電子商務(wù)推薦系統(tǒng)也面臨著一系列挑戰(zhàn)。針對電子商務(wù)推薦系統(tǒng)面臨的主要挑戰(zhàn),本文基于Web挖掘?qū)﹄娮由虅?wù)推薦技術(shù)進(jìn)行了有益的探索和研究。 本文深入研究了Web挖掘的相關(guān)技術(shù)及其在電子商務(wù)推薦系統(tǒng)中的應(yīng)用,研究了協(xié)同過濾推薦算法和基于

2、關(guān)聯(lián)規(guī)則的推薦算法。針對現(xiàn)有推薦算法推薦準(zhǔn)確率低等不足,本文從Web訪問序列模式挖掘和推薦產(chǎn)生兩個方面對現(xiàn)有算法進(jìn)行了改進(jìn)。 首先,在模式挖掘階段,基于WAP—tree結(jié)構(gòu)對現(xiàn)有的FLWAP—mine算法進(jìn)行了改進(jìn),在樹的構(gòu)造過程中只掃描一次數(shù)據(jù)庫,在訪問序列模式挖掘過程中采用投影樹的思想并對投影樹進(jìn)行剪枝縮小搜索范圍,而且當(dāng)投影樹只有一個分枝時直接返回相應(yīng)的訪問序列模式,提高了挖掘效率。其次,在推薦產(chǎn)生階段,把利用改進(jìn)的FLW

3、AP—mine算法生成的序列模式應(yīng)用于個性化推薦。使用一種樹形結(jié)構(gòu)來存儲挖掘得到的Web訪問序列模式,在該樹形結(jié)構(gòu)的基礎(chǔ)上進(jìn)行頁面匹配,給出了一種基于訪問序列模式的頁面推薦算法。該頁面推薦算法中采用了可變活動窗口技術(shù),同時引入頁面選擇關(guān)注度和頁面平均訪問度的概念,將頁面選擇關(guān)注度、頁面平均訪問度與規(guī)則的可信度相結(jié)合作為頁面推薦度進(jìn)行推薦,可以有效地提高推薦的質(zhì)量。最后,進(jìn)行了兩組仿真實驗,實驗結(jié)果表明,改進(jìn)的FLWAP—mine算法比原

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(hù)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

評論

0/150

提交評論