基于逻辑回归的推荐技术研究及应用

发布时间：2025-02-05 18:04

　　作为现代电子商务平台的一个重要组成部分，推荐技术的表现决定了其电商平台的表现。科技的进步带来互联网领域的突飞猛进发展，它也将纷繁的各种信息展现给我们。面对如此多的信息，我们会思考：怎么找到自己感兴趣或者自己有用的信息呢。一切的实际情况表明：想要发现对自己有价值的片段，无疑变得非常困难，即使只是全浏览一遍这些信息也是不现实的。个性化推荐系统的发展始于二十世纪九十年代的一次美国人工智能会议，当时参加会议的卡耐基.梅隆大学的RobertArmstrong等人提出了一种个性化导航系统：WebWatcher。随后，来自斯坦福大学的MarkoBalabanovic等人也于该会议提出了个性化推荐系统－LIRA的思想。从此拉开了个性化推荐系统的发展序幕。从最开始的基于内容的推荐系统，到后来的基于协同过滤的推荐系统的发展，经历了短短的20多年，到如今随着我国互相网络基础建设的完善，网络带宽的扩大，使得推荐系统的发展更加迅速。推荐系统的发展所经历的时间不算长，但是其带来的影响却是巨大的。在这个过程中先后出现了多种推荐算法，最主要的代表有：协同过滤算法、基于内容的推荐算法和基于网络结构的推荐算法等。它们的出现...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 选题背景和意义
        1.1.1 选题的背景
        1.1.2 本文研究的意义
    1.2 国内外发展现况
        1.2.1 国外发展现况
        1.2.2 国内发展现况
    1.3 研究内容与论文结构
    1.4 创新之处
    1.5 本章小结
第二章 个性化推荐系统介绍
    2.1 个性化推荐系统简介
    2.2 个性化推荐系统的框架
    2.3 个性化推荐系统的分类
        2.3.1 协同过滤系统
        2.3.2 基于内容的推荐系统
        2.3.3 基于网络的推荐系统
        2.3.4 混合推荐系统
        2.3.5 其他推荐系统
    2.4 个性化推荐系统的评价指标
        2.4.1 准确度
        2.4.2 评价和排序的相关性
        2.4.3 分类的准确度指标
    2.5 本章小结
第三章 基于逻辑回归的推荐技术
    3.1 逻辑回归的概念
    3.2 意图识别和场景识别概念
    3.3 基于逻辑回归的推荐系统算法
        3.3.1 本文算法基本思想
        3.3.2 算法的组成部分
    3.4 本文的评价指标
    3.5 实验
        3.5.1 实验环境和方案
        3.5.2 实验方案
        3.5.3 实验数据特征选取
        3.5.4 实验结果
        3.5.5 实验的结论
    3.6 本章小结
第四章 逻辑回归推荐技术在电影推荐网站中的应用
    4.1 背景介绍
    4.2 模块设计及运行效果
        4.2.1 随便看看模块
        4.2.2 会员信息模块
        4.2.3 影片信息模块
        4.2.4 影片排行模块
        4.2.5 搜索模块
    4.3 本章小结
第五章 结论和展望
    5.1 结论
    5.2 展望
致谢
参考文献
攻硕期间取得的研究成果



本文编号：4030234