企業(yè)間大數(shù)據(jù)推薦引流系統(tǒng)研究與設(shè)計.pdf_第1頁
已閱讀1頁,還剩78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),請進行舉報或認領(lǐng)

文檔簡介

1、近年來隨著大數(shù)據(jù)思維在各個行業(yè)領(lǐng)域的不斷應(yīng)用,數(shù)據(jù)的巨大價值逐步顯現(xiàn)。各大企業(yè)競相構(gòu)建自己的大數(shù)據(jù)平臺以匯集、挖掘和加工分析數(shù)據(jù),促進業(yè)務(wù)向更科學、更高效、更智能方向發(fā)展。然而,由于企業(yè)之間業(yè)務(wù)和數(shù)據(jù)差別巨大,如何有效收集存量大數(shù)據(jù)、挖掘大數(shù)據(jù)價值是一個有挑戰(zhàn)性的應(yīng)用研究課題。
  本項目研發(fā)來源于某集團公司實際應(yīng)用需求,圍繞企業(yè)間大數(shù)據(jù)推薦引流模型與算法設(shè)計展開應(yīng)用研究。系統(tǒng)在構(gòu)建的大數(shù)據(jù)平臺基礎(chǔ)上,使用提出的標簽分段算法進行用

2、戶畫像,使用設(shè)計的特征標簽提取方法進行商品目標人群畫像,基于畫像數(shù)據(jù)匹配進行企業(yè)間客戶與商品的相互推薦。
  本文的主要研究內(nèi)容有:
  (1)在k-means聚類算法的基礎(chǔ)上,提出了一種粗略分段與精細分段相結(jié)合的標簽分段算法RR-SEG。該算法對數(shù)據(jù)排序后進行分組計數(shù),根據(jù)每段平均數(shù)量來順序計算每段應(yīng)該包含的數(shù)據(jù)邊界,以實現(xiàn)不同分布數(shù)據(jù)的均勻分段,保證分段結(jié)果的客觀準確。
  (2)設(shè)計了適合特征標簽提取的應(yīng)用方法。

3、根據(jù)不同標簽值的出現(xiàn)次數(shù)計算標準差變異系數(shù),作為標簽離散度的衡量指標,將變異系數(shù)超過閥值的標簽作為特征標簽。特征標簽可以準確地反映出對商品購買影響較大的因素,是分析商品目標人群特點的重要方法。
  (3)設(shè)計實現(xiàn)了企業(yè)間推薦引流系統(tǒng)。系統(tǒng)在大數(shù)據(jù)體系架構(gòu)下,基于用戶畫像與商品畫像,將其它企業(yè)的用戶標簽與目標企業(yè)的商品目標人群標簽進行匹配,將匹配的用戶推薦給目標企業(yè),實現(xiàn)企業(yè)間用戶與商品的相互推薦。
  從總體上看,本文構(gòu)建的

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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。

最新文檔

評論

0/150

提交評論