基于遺忘函數(shù)和領域最近鄰的網絡營銷推薦系統(tǒng)研究.pdf_第1頁
已閱讀1頁,還剩89頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著互聯(lián)網的普及和網絡營銷的盛行,電子商務系統(tǒng)為企業(yè)提供無限陳列空間,為客戶提供更多商品選擇的同時,其結構也日趨復雜??蛻裘鎸A康纳唐沸畔⑹譄o策,無法順利找到所需的商品,“信息迷航”和“信息超載”問題日趨嚴重;商家也不能順利取得與客戶的聯(lián)系,銷售措施更是無從談起。網絡營銷推薦系統(tǒng)的出現(xiàn)和應用極大的改善了這一系列問題,它能夠有效保留客戶、防止客戶流失、提高電子商務系統(tǒng)的交叉銷售量。然而,當前的網絡營銷推薦系統(tǒng)在實際應用中還并不成熟,數(shù)

2、據(jù)稀疏性問題嚴重,因無法很好的應對用戶興趣漂移問題,致使推薦質量欠佳、推薦實時性差。
   針對網絡營銷推薦系統(tǒng)所面臨的這些挑戰(zhàn),本文分析了當前推薦系統(tǒng)的國內外研究現(xiàn)狀和主要推薦技術的優(yōu)缺點,在已有的混合推薦研究基礎上進行創(chuàng)新,推出一種基于內容過濾和協(xié)同過濾改進的網絡營銷推薦算法,以協(xié)同過濾為主,內容過濾為輔,基于“非線性逐步遺忘函數(shù)”建立用戶興趣模型,預測非目標用戶未評價商品評分,解決數(shù)據(jù)稀疏性問題和用戶興趣漂移問題;引入“領

3、域最近鄰”處理方法查找目標用戶的最近鄰,預測其未評價商品評分,以此為基礎做出推薦,有效提高推薦系統(tǒng)的推薦質量和推薦實時性。該改進方法充分利用了用戶的人口統(tǒng)計信息計算用戶間的相似性,使得推薦結果更符合用戶需求。本文的主要研究工作包括:(1)通過分析當前國內外的推薦系統(tǒng)研究現(xiàn)狀,發(fā)現(xiàn)普遍存在缺乏個性化推薦、推薦方法單一以及推薦的自動化程度低等問題。(2)提出了基于遺忘函數(shù)和領域最近鄰處理方法的混合推薦方法,詳細介紹了該混合算法的各個改進步驟

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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。

評論

0/150

提交評論