基于协同过滤的电子商务推荐研究

发布时间：2021-09-01 21:43

　　本文针对基于协同过滤的电子商务推荐做出一定研究。通过对电子商务个性化推荐模型的设计,在K-Means聚类算法的基础上针对基于用户的协同过滤算法、基于聚类优化后的协同过滤推荐算法以及基于内容的协同过滤推荐算法做出一定的研究,最后通过实验验证得出最适合个性化推荐的一种推荐算法。 

【文章来源】：电子技术与软件工程. 2020,(13)

【文章页数】：2 页

【部分图文】：

聚类算法设计

基于聚类优化的协同过滤推荐算法

图2：基于聚类优化的协同过滤推荐算法对公式（3）的说明：首先设立一个特定的数据集（X,Y)=(xi,y1),i=1,2，…，n，在这个公式中，X代表的是用户的数据集，Y代表的是商品的数据集；后面就是针对这个数据集做出的延伸，xi代表是的是X里面的某一用户，y1代表的是用户xi购买的商品。假设用户没有对该商品做出评分，基于用户的协同过滤对商品个性化推荐系统就会利用Pearson的相关系数来进行一定的计算，从而得到与该用户最相似的其他用户数据集，假设这个数据集为k，则需要利用公式（3）计算xi,k1,i=1,2,…,n之间的相似值。

【参考文献】：
期刊论文
[1]基于聚类优化的数字图书馆协同过滤个性化推荐服务研究[J]. 盛先锋.  中国中医药图书情报杂志. 2019(03)
[2]基于聚类优化的协同过滤个性化图书推荐[J]. 田磊,任国恒,王伟.  图书馆学研究. 2017(08)
[3]面向电影推荐的时间加权协同过滤算法的研究[J]. 兰艳,曹芳芳.  计算机科学. 2017(04)
[4]基于情境聚类优化的移动电子商务协同过滤推荐研究[J]. 翟丽丽,邢海龙,张树臣.  情报理论与实践. 2016(08)
[5]基于关联规则优化的个性化推荐系统[J]. 李菲.  内蒙古师范大学学报(自然科学汉文版). 2016(04)
[6]基于用户兴趣和双重聚类融合的协同过滤算法的优化研究[J]. 翟烁.  无线互联科技. 2015(05)



本文编号：3377739