电子商务协同过滤算法的研究与实现

发布时间：2017-08-20 10:38

  本文关键词：电子商务协同过滤算法的研究与实现

  更多相关文章： 电子商务 协同过滤 Min-Hash 扩展性 预处理

【摘要】：随着互联网的飞速发展,电子商务网站及其商品信息数量急剧增多,用户在享受电子商务带来方便、快捷服务的同时,也希望能更及时更准确地获取所需的商品信息。通过为用户提供个性化推荐系统可以很好地满足用户需求。推荐系统通过分析用户的历史行为了解用户的兴趣爱好,然后向用户推荐其可能感兴趣的商品信息。尽管现有的推荐技术能够一定程度上解决此问题,但是各种推荐技术面临的诸多局限性使得其并不能从根本上满足用户需求。 本文在传统推荐技术的基础上,主要研究了传统协同过滤的推荐机制,针对其扩展性问题提出了一种改进的算法,并实验验证其可行性。本文具体内容包括： 1.阐述了当前推荐系统的研究现状以及比较典型的推荐技术,深入地探讨分析了传统协同过滤方法的基本原理并深入研究了不同类型的协同过滤技术的推荐机制、寻找最近邻方式和各自的优缺点； 2.从推荐原理上分析了传统协同过滤的局限性,并从大规模数据集的角度阐述了传统协同过滤在处理大规模高维数据时存在的不足； 3.研究分析了Min-Hash在大规模数据上的降维原理,论证了将Min-Hash应用到协同过滤中,然后设计并实现了基于Min-Hash算法的协同过滤模型； 4.在给定的实验数据集上进行了对比实验,首先针对数据集中存在噪音数据和同义性的问题,设计噪音过滤和数据预处理方案,在一定程度上提高了推荐结果的精准度。 实验结果表明,Min-Hash方法能在保证推荐质量的前提下很大程度上缩短计算时间和存储空间,能有效地扩展到大型电子商务网站。
【关键词】：电子商务 协同过滤 Min-Hash 扩展性 预处理
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TP301.6
【目录】：

• 致谢5-6
• 中文摘要6-7
• ABSTRACT7-10
• 1 绪论10-17
• 1.1 论文背景与意义10-11
• 1.2 电子商务推荐系统11-15
• 1.2.1 国内外电子商务推荐系统发展水平11-13
• 1.2.2 个性化推荐系统13-15
• 1.3 论文主要内容及结构安排15-17
• 1.3.1 论文主要内容15
• 1.3.2 论文结构安排15-17
• 2 协同过滤推荐技术研究17-30
• 2.1 电子商务中协同过滤推荐技术的应用17-19
• 2.2 协同过滤推荐技术研究19-28
• 2.2.1 协同过滤推荐技术问题分析19-20
• 2.2.2 协同过滤技术基础20-22
• 2.2.3 协同过滤技术分类22-23
• 2.2.4 协同过滤技术原理23-25
• 2.2.5 协同过滤的局限性分析25
• 2.2.6 典型解决方案25-28
• 2.3 协同过滤评价指标28-30
• 3 协同过滤Min-Hash算法研究30-41
• 3.1 问题的提出30
• 3.2 Min-Hash聚类原理30-32
• 3.3 基于Min-Hash算法的协同过滤32-41
• 3.3.1 协同过滤Min-Hash算法原理32-35
• 3.3.2 协同过滤Min-Hash算法设计35-38
• 3.3.3 协同过滤Min-Hash模型设计38-41
• 4 实验与评估41-49
• 4.1 实验环境41-42
• 4.2 实验数据预处理42-44
• 4.3 实验设计44-46
• 4.3.1 实验设置44-45
• 4.3.2 评估方法45-46
• 4.4 实验结果46-48
• 4.5 实验结论48-49
• 5 总结与展望49-51
• 5.1 总结49
• 5.2 展望49-51
• 参考文献51-54
• 学位论文数据集54

【引证文献】

中国硕士学位论文全文数据库 前1条

1 王桂芬;电子商务个性化推荐系统中协同过滤算法的研究与应用[D];南昌大学;2012年

，

本文编号：706190