关于电商平台冷门商品的推荐系统研究

发布时间：2021-06-20 20:47

　　随着互联网和科技的发展,大众信息数量成爆炸式增加。特别是手机的发展,促使每个人都离不开手机,例如手机上的购物平台,使得使用者随时随地都可以上网购物。当然也产生了大量数据。那么,在电商平台上数量众多且稀疏性的数据中发掘具有价值的数据,显得尤为重要。推荐系统对分析电商平台数据的有效性和合理利用具有非常显著的优势。现在的推荐系统逐渐趋于成熟,但这些系统都是着力解决关于热门商品的推荐,而忽视了冷门商品的推荐。整个商务平台的商品类型分为热门商品和冷门商品,冷门商品虽然具体的商品用户少,但是总的购买数量却可以和热门商品的购买量大致相当。同时由于冷门商品不可能直接陈列在电商平台主要的推荐页面上,导致了针对冷门商品的个性化推荐必不可少。首先,本文对冷门商品进行一个总结性介绍,包括冷门商品的概念,冷门商品具有的特点,以及针对冷门商品的推荐系统应该具有的特性。只有对冷门商品进行彻底的深入分析和研究,才能使得改进后的推荐系统具有较强的针对性。然后,将现在电子商品平台常用的一些推荐系统做了简单介绍,特别是协同过滤系统,并且比较了不同类型协同过滤算法的优缺点。其次,提出聚类分析将用户进行分类和基于物品的协同过滤... 

【文章来源】：云南财经大学云南省

【文章页数】：44 页

【学位级别】：硕士

【部分图文】：

长尾现象

【参考文献】：
期刊论文
[1]基于正负反馈的SVM协同过滤Top-N推荐算法[J]. 张宇,王文剑,赵胜男.  小型微型计算机系统. 2017(05)
[2]浅析大数据时代电子商务发展的新特征[J]. 胡艳辉.  改革与战略. 2016(01)
[3]电子商务中长尾物品推荐方法[J]. 冯媛媛,王晓东,姚宇.  计算机应用. 2015(S2)
[4]基于大数据背景下的电子商务模式的创新[J]. 高小东.  电子商务. 2015(11)
[5]浅析大数据处理对电子商务的影响[J]. 屈志强,乔静.  中国商论. 2015(16)
[6]大数据环境下的推荐系统[J]. 孟祥武,纪威宇,张玉洁.  北京邮电大学学报. 2015(02)
[7]推荐系统研究进展[J]. 朱扬勇,孙婧.  计算机科学与探索. 2015(05)
[8]基于用户特征分解的协同过滤冷启动解决算法[J]. 刘旭东,吴旭军,陈德人,贾丽虹.  山东农业大学学报(自然科学版). 2013(04)
[9]电子商务流通渠道模式创新与优化[J]. 洪涛.  商场现代化. 2013(Z1)
[10]基于长尾理论的电子商务销售网络特性研究[J]. 徐雪娟,郭进利.  金融经济. 2013(10)

博士论文
[1]协同过滤系统的稀疏性与冷启动问题研究[D]. 孙小华.浙江大学 2005

硕士论文
[1]基于大规模电商数据的用户消费行为分析方法研究[D]. 顾海斌.吉林大学 2016
[2]基于大数据分析的推荐系统研究[D]. 房璐璐.北京邮电大学 2015
[3]基于用户消费行为的移动业务推荐[D]. 田颖.华中科技大学 2013
[4]基于用户特征模型和兴趣度的协同过滤研究[D]. 鲁城华.天津财经大学 2012
[5]电子商务推荐系统核心技术研究[D]. 青海.北京工业大学 2009



本文编号：3239905