基于加權興趣度的協(xié)同過濾算法研究.pdf_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、互聯(lián)網的應用推廣以及由此帶來的便捷信息傳遞和信息服務,使電子商務在迅速發(fā)展、狀大的同時也產生了信息超載現象。用戶面對大量的商品信息,想要方便、快捷地找到自己感興趣的商品成為了一個難題。為了解決這個困境,電子商務的推薦系統(tǒng)便應運而生。電子商務個性化推薦系統(tǒng)的出現,為用戶疏通了一個Web商品信息過載的難題,因為推薦系統(tǒng)承擔起了識別客戶消費興趣,模擬傳統(tǒng)銷售人員向客戶提供有關商品信息和建議的職責,為客戶有效、方便地完成購買過程提供了實際、有效

2、的幫助,從而使網購客戶感受個性化服務所帶來的快捷、時尚與便利。
  在眾多的推薦技術中,協(xié)同過濾推薦技術是目前為止最為成功的個性化推薦技術。但該算法面臨的冷啟動、稀疏性等技術性問題對協(xié)同過濾技術的實效應用產生了影響,許多研究旨在攻克和解決這個問題。本文也對電子商務個性化推薦應用系統(tǒng)中的協(xié)同推薦算法,和應用相關的數據挖掘等關鍵技術,進行了有益的探索性研究。引入了“加權興趣度”和“事物本體模型”來挖掘用戶的興趣度,提出了基于加權興趣度

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論