基于关联规则分析的物流定制服务推送系统

发布时间：2021-08-26 11:41

　　随着大数据时代的来临,经济全球化的进程也日益加速,企业之间的竞争不断加大,物流服务的竞争也在不断加剧,物流服务推送系统也就随之应用而生。在服务全球化背景下,物流服务推送系统之间的市场竞争也日趋加剧,如何提供更加准确、有意义的服务推送对于物流行业来说显得极其重要。从客户的个人基本信息,历史记录等构建出客户需求行为的客户画像,在此基础上进行一系列的服务推送,这样可以有效的解决以前的物流定制化服务推荐过程中存在的机械性和盲目性的问题,从而提高客户的忠诚度与满意度。本文采用关联规则分析技术来处理物流客户的相关数据,得出客户与商品的关联度,并在此基础上对物流客户提供更好的推荐服务。基于关联规则分析和协同过滤算法在个性化推荐技术中是应用较多的两种方法,在传统的关联规则分析算法中存在着发现规则较难,占用不必要的系统资源,以及耗时较长等缺点,在协同过滤推荐算法中也存在着冷启动和数据稀疏性等不可忽视的问题。所以本文提出了一种将协同过滤算法加入到基于关联规则分析的改进算法中,两者的结合可以弥补两种基本算法存在的缺点。本文中我们将权值与高期望概率的思想加入到关联规则算法中,以此来提高规则提取的效率和准确性,... 

【文章来源】：南京邮电大学江苏省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

淘宝推荐界面

同过滤推荐算法在稀疏数据集上表现不佳的情况，文献[oder）和聚类结合的混合推荐算法。首先将用户项目评分数据作为自编码机的输入，计算出用户特征数据。然后类操作，这样便得到了用户类别，从而使近邻搜索范围MAE）寻找到适用于同一类别用户的推荐算法，最后组合的推荐模型。推荐阶段，计算目标用户类别，并使用一种基于深度学习的混合兴趣点推荐模型(MFM-HNN)与用户签到信息来提高兴趣点推荐的性能。具体地，利表示，利用降噪自动编码对用户签到信息进行初始化。评论信息特征和用户签到信息的初始值进行兴趣点推荐果表明所提 MFM-HNN 模型相比其他先进的兴趣点推荐

学位硕士研究生学位论文 第三章 系统总在下文的第四章详细讲解了改进算法的设计。功能模块。推荐模块的目的是为了将与客户关联后的商品信息通过的用户。本模块在下文的第五章讲解了推荐系统算法的设计。术架构服务推送系统主要是为了实现对用户的个性化服务推送，通过处史行为等数据，找出其中隐含的、有意义的规则，达到符合用户需

【参考文献】：
期刊论文
[1]运营商大数据用户画像实践[J]. 王晓霞,刘静沙,许丹丹.  电信科学. 2018(05)
[2]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅.  计算机学报. 2018(07)
[3]基于协同过滤算法的推荐系统研究[J]. 李楚桐,莫赞.  信息通信. 2018(02)
[4]改进的Apriori算法的研究及应用[J]. 刘丽娟.  计算机工程与设计. 2017(12)
[5]基于用户点击的线性回归在内容推荐中的应用研究[J]. 石方夏.  现代电子技术. 2017(17)
[6]基于矩阵压缩的Apriori改进算法[J]. 曲睿,张天娇.  计算机工程与设计. 2017(08)
[7]基于领域特征值的协同过滤个性化推荐方法[J]. 方超,暴建民,薛四猛.  计算机技术与发展. 2017(11)
[8]一种基于权重的Apriori改进算法[J]. 刘毓,李莎.  西安邮电大学学报. 2017(04)
[9]混合协同过滤算法中用户冷启动问题的研究[J]. 端德坤,傅秀芬.  计算机工程与应用. 2017(21)
[10]一种改进的Inter-Apriori算法[J]. 崔双弥,张德生.  计算机系统应用. 2017(01)



本文编号：3364178