推荐技术在电商平台中的应用研究
发布时间：2022-01-05 12:00
随着我国经济和互联网技术的迅速发展,电子商务持续快速增长,互联网商品的数量成指数级别增长,如何让用户在海量的信息中快速准确的找到自己感兴趣的商品是当下的研究热点之一,也是当前电子商务推荐服务急需解决的问题。在这种情况下,以智能推荐技术为核心的推荐系统应运而生,推荐系统是解决这个问题的重要工具,主要通过一些推荐算法来为用户推荐自己感兴趣的商品。本文主要对基于内容的推荐技术、Apriori推荐算法和协同过滤推荐算法进行研究,分析算法中存在的数据稀疏性和算法复杂度问题,对Apriori算法进行了改进,在算法扫描数据库的过程中,将已经不频繁的元素在原数据库中删除,使之后扫描的数据库将越来越小,通过降低算法I/O次数来降低算法运行时间。将基于内容的推荐技术和改进后的Apriori推荐算法相结合,弥补了单一算法推荐结果单一的局限性,得到更佳的推荐效果;在协同过滤算法中先使用FCM算法对用户进行聚类,引入Slope One算法和隐式评分机制,预先填充评分矩阵,降低矩阵的稀疏性;优化FCM算法中的距离公式,采用加权的欧氏距离公式代替原始的欧氏距离公式。改进后的算法流程为:（1）使用改进后的FCM算法对...
【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
基于用户特征的音乐推荐
图 2-2 基于物品内容的音乐推荐过程2.1.2 基于关联规则的推荐算法关联规则推荐是推荐技术中应用非常广，1994 年问世的 Group lens 系统就是利用关联性规则完成推荐。关联规则推荐技术主要是挖掘各个项目之间的关联性，将
图 2-3Apriori 算法的工作流程经过三次扫描三次比较找到数据库的频繁 3 项集，Apriori 算法求解得出两各项关联的情况下，AB、AD、AE、BE 关联度较高，三个项目关联的情况下，ABE项关联度最高。但是 Apriori 算法的缺点也显而易见：挖掘的过程需要重复多次扫描数据库。
【参考文献】：
期刊论文
[1]厉行法治 引领电商高质量发展[J]. 李小健. 中国人大. 2018(17)
[2]Apriori算法的改进及其在电子商务中的应用[J]. 刘彬,程晓荣. 电脑知识与技术. 2017(27)
[3]基于协同过滤算法的IT书籍推荐系统设计与实现[J]. 孙晓娟,千博,王圣涛. 软件导刊. 2017(04)
[4]一种改进的协同过滤推荐算法[J]. 刘艺,冯钧,魏童童,陈志飞,徐欢,张立霞. 计算机与现代化. 2017(01)
[5]“互联网+”时代的电子商务[J]. 聂林海. 中国流通经济. 2015(06)
[6]改进的Apriori算法在高校选修课系统和应对气候变化相关统计工作中的应用[J]. 佘为,谢会娟. 信息与电脑(理论版). 2015(11)
[7]基于Apriori算法的关联规则挖掘系统设计与实现[J]. 麦丞程. 电脑编程技巧与维护. 2015(11)
[8]基于MapReduce的并行化模糊划分算法[J]. 张广蓉,陈庆奎,章刚,赵海燕,高丽萍,霍欢. 计算机应用. 2014(11)
[9]基于关联规则的Apriori算法改进研究[J]. 郅芬香,王留芳. 信息与电脑(理论版). 2014(09)
[10]考虑项目属性的协同过滤推荐模型[J]. 杨兴耀,于炯,吐尔根·依布拉音,钱育蓉,孙华. 计算机应用. 2013(11)
博士论文
[1]协同过滤推荐系统关键问题研究[D]. 孔维梁.华中师范大学 2013
硕士论文
[1]推荐系统中协同过滤算法的改进与研究[D]. 申凯丽.北京交通大学 2017
[2]云环境下针对企业营销的个性化智能推荐研究[D]. 赵云.浙江理工大学 2017
[3]基于混合算法的个性化推荐系统[D]. 谢艺聪.北京邮电大学 2017
[4]协同过滤推荐算法的优化及其实证系统实现[D]. 宋涛.北京交通大学 2016
[5]基于项目属性的多矩阵协同过滤推荐算法的研究[D]. 高云.中国石油大学(华东) 2016
[6]面向稀疏数据的个性化推荐技术研究[D]. 石教开.西南大学 2016
[7]协同过滤推荐系统中稀疏性数据的算法研究[D]. 李容.电子科技大学 2016
[8]个性化推荐中协同过滤算法研究[D]. 路春霞.北京交通大学 2016
[9]基于移动上下文的音乐推荐系统[D]. 曹磊.东南大学 2015
[10]基于可视化知识框架的视频推荐系统研究与实现[D]. 戴思.中南大学 2014
本文编号：3570310
【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
基于用户特征的音乐推荐
图 2-2 基于物品内容的音乐推荐过程2.1.2 基于关联规则的推荐算法关联规则推荐是推荐技术中应用非常广，1994 年问世的 Group lens 系统就是利用关联性规则完成推荐。关联规则推荐技术主要是挖掘各个项目之间的关联性，将
图 2-3Apriori 算法的工作流程经过三次扫描三次比较找到数据库的频繁 3 项集，Apriori 算法求解得出两各项关联的情况下，AB、AD、AE、BE 关联度较高，三个项目关联的情况下，ABE项关联度最高。但是 Apriori 算法的缺点也显而易见：挖掘的过程需要重复多次扫描数据库。
【参考文献】：
期刊论文
[1]厉行法治 引领电商高质量发展[J]. 李小健. 中国人大. 2018(17)
[2]Apriori算法的改进及其在电子商务中的应用[J]. 刘彬,程晓荣. 电脑知识与技术. 2017(27)
[3]基于协同过滤算法的IT书籍推荐系统设计与实现[J]. 孙晓娟,千博,王圣涛. 软件导刊. 2017(04)
[4]一种改进的协同过滤推荐算法[J]. 刘艺,冯钧,魏童童,陈志飞,徐欢,张立霞. 计算机与现代化. 2017(01)
[5]“互联网+”时代的电子商务[J]. 聂林海. 中国流通经济. 2015(06)
[6]改进的Apriori算法在高校选修课系统和应对气候变化相关统计工作中的应用[J]. 佘为,谢会娟. 信息与电脑(理论版). 2015(11)
[7]基于Apriori算法的关联规则挖掘系统设计与实现[J]. 麦丞程. 电脑编程技巧与维护. 2015(11)
[8]基于MapReduce的并行化模糊划分算法[J]. 张广蓉,陈庆奎,章刚,赵海燕,高丽萍,霍欢. 计算机应用. 2014(11)
[9]基于关联规则的Apriori算法改进研究[J]. 郅芬香,王留芳. 信息与电脑(理论版). 2014(09)
[10]考虑项目属性的协同过滤推荐模型[J]. 杨兴耀,于炯,吐尔根·依布拉音,钱育蓉,孙华. 计算机应用. 2013(11)
博士论文
[1]协同过滤推荐系统关键问题研究[D]. 孔维梁.华中师范大学 2013
硕士论文
[1]推荐系统中协同过滤算法的改进与研究[D]. 申凯丽.北京交通大学 2017
[2]云环境下针对企业营销的个性化智能推荐研究[D]. 赵云.浙江理工大学 2017
[3]基于混合算法的个性化推荐系统[D]. 谢艺聪.北京邮电大学 2017
[4]协同过滤推荐算法的优化及其实证系统实现[D]. 宋涛.北京交通大学 2016
[5]基于项目属性的多矩阵协同过滤推荐算法的研究[D]. 高云.中国石油大学(华东) 2016
[6]面向稀疏数据的个性化推荐技术研究[D]. 石教开.西南大学 2016
[7]协同过滤推荐系统中稀疏性数据的算法研究[D]. 李容.电子科技大学 2016
[8]个性化推荐中协同过滤算法研究[D]. 路春霞.北京交通大学 2016
[9]基于移动上下文的音乐推荐系统[D]. 曹磊.东南大学 2015
[10]基于可视化知识框架的视频推荐系统研究与实现[D]. 戴思.中南大学 2014
本文编号：3570310
本文链接：https://www.wllwen.com/jingjilunwen/guojimaoyilunwen/3570310.html
