基于協(xié)同過濾的電子商務(wù)推薦系統(tǒng)的研究與設(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(rèn)領(lǐng)

文檔簡介

1、在大數(shù)據(jù)爆發(fā)式增長的時代，網(wǎng)絡(luò)信息泛濫成災(zāi)，用戶如何在海量信息中找出有價值的信息是推薦系統(tǒng)領(lǐng)域所要研究的重要內(nèi)容。而電子商務(wù)的數(shù)據(jù)信息往往是非常龐大的，用戶要想在電子商務(wù)平臺里找到自己所感興趣的商品是相當(dāng)困難的，因此必須借助推薦系統(tǒng)來實現(xiàn)。電子商務(wù)推薦系統(tǒng)的應(yīng)用也相當(dāng)廣泛，比較流行的電子商務(wù)推薦系統(tǒng)有淘寶和京東。
　　電子商務(wù)推薦系統(tǒng)可以通過收集買家的個人偏好和操作的歷史記錄，來實現(xiàn)個性化的電子商務(wù)推薦。然而，目前電子商務(wù)的推薦系

2、統(tǒng)的推薦質(zhì)量和推薦的準(zhǔn)確度并不是很高，用戶對推薦系統(tǒng)的滿意程度也較差。因此，本文將針對系統(tǒng)在推薦質(zhì)量和推薦準(zhǔn)確度這兩方面的不足之處提出一定程度上的改進。
　　本文的主要工作包括以下內(nèi)容：
　?。?）在算法方面的改進，主要是通過在協(xié)同過濾算法的相似度計算公式中增加了遺忘函數(shù)和集合比值這兩個影響因子來改進傳統(tǒng)的協(xié)同過濾算法，然后通過實驗來測試和分析了改進后的算法，最后得出實驗結(jié)論，即改進后的算法在推薦質(zhì)量和推薦的準(zhǔn)確度方面上有較

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

評論

0/150

提交評論