协同过滤推荐算法在家装领域中的应用研究

发布时间：2020-06-29 21:13

【摘要】：随着互联网技术的发展,人们越来越多的选择在网上消费购物,网上的商品与信息量早已数不胜数,数据量剧增,我们很难准确得到我们想要的信息,人们的时间与精力是有限的。当我们对产品信息特别了解时,我们通过搜索能够迅速定位到我们想要的结果,当我们不了解产品信息时,我们变得束手无策,因此推荐系统对我们的作用不言而喻,其就像我们生活中的导购员,引导我们购买商品或者找到我们想要的东西。2015年,国内装修市场经济规模接近四万亿元,一方面目前在协同过滤家装推荐上研究的学者比较少,二是之前学者对slope one算法的研究只考虑到项目评分,忽略了用户与项目本身自有的特点,本文把这两方面因素考虑进来提出级联的组合推荐协同过滤算法,首先把用户评分相似度和用户属性相似度按一定比例相结合,在寻找最近邻时更加合理准确,找出用户最近邻居集合,把这一步得到的推荐结果数据作为下一步推荐算法的输入数据,然后考虑到项目评分与项目属性,按一定比例结合对slope one算法改进,得到一种合理的家装推荐算法。主要工作如下:1)考虑协同过滤在家装方面的研究特别少,从实际应用角度出发,把其应用到家装领域;2)提出基于用户总体相似度的概念对基于用户的协同过滤算法进行改进,产生最近邻居集合,然后将用户邻居集用到下一步的算法中;3)提出项目总体相似度,包括项目评分与项目属性相似度改进Slope one算法;4)通过自己两年来在X互联网装饰公司的实习经历,对客户的特征与行为活动进行总结分析,利用相关数据进行验证。
【学位授予单位】：兰州财经大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F426.92
【图文】：

协同过滤思想1

12图 2.5 协同过滤思想 2.2 基于记忆的协同过滤基于记忆的协同过技术根据研究目标的不同其可以分为两类：一是基于用户，二是基于项目的。它是协同过滤里面应用最广泛最基础的算法。

【参考文献】

相关期刊论文 前10条

1 段桂芹;;基于均值与最大距离乘积的初始聚类中心优化K-means算法[J];计算机与数字工程;2015年03期

2 程高伟;丁亦U

本文编号：2734363