电子商务个性化推荐系统中协同过滤算法的应用和研究

以下是资料介绍,如需要完整的请充值下载. 本资料已审核过,确保内容和网页里介绍一致.  
无需注册登录,支付后按照提示操作即可获取该资料.
资料介绍:

电子商务个性化推荐系统中协同过滤算法的应用和研究(论文15000字)
摘要:在网络通信技术的快速发展和不断完善的过程中,新的贸易方式孕育而生并逐渐走向成熟,电子商务在高速发展中逐渐融入到人们的日常生活当中。面对网络中纷杂的产品信息,用户很难选择自己需要的商品,电子商务个性化推荐系统的出现很好的缓解了这个问题。本文主要研究了个性化推荐系统中传统的协同过滤算法,在分析了协同过滤的实现原理的基础上,针对协同过滤算法存在的冷启动,数据稀疏性和可扩展性问题,提出了一些解决办法,并结合现代化商务的实际需求,设计出适用于电子商务个性化推荐系统的改进算法。
关键字:电子商务 个性化推荐 协同过滤

Application and research of collaborative filtering algorithm in e-commerce personalized recommendation system
Abstract:In the process of the rapid development and continuous improvement of network communication technology, the new way of trade is born and gradually matured. Electronic commerce is gradually integrated into people's daily life in the rapid development. In the face of the complex product information in the network, it is difficult for users to choose the goods they need. The emergence of e-commerce personalized recommendation system is a good solution to this problem. This paper mainly studies the traditional collaborative filtering algorithm in the personalized recommendation system. Based on the analysis of the principle of collaborative filtering, it puts forward some solutions to the problems of cold start, data sparsity and scalability in the collaborative filtering algorithm. An improved algorithm for personalized recommendation system in e-commerce.
Keywords: e-commerce personalized recommendation collaborative filtering

目 录
第1章 绪论    1
1.1 研究背景和意义    1
1.2国内外研究现状    2
1.2.1电子商务个性化推荐系统国内外研究现状    2
1.2.2协同过滤算法国内外研究现状    3
1.3研究内容和论文结构    3
第2章 电子商务个性化推荐系统    5
2.1电子商务个性化推荐系统概述    5
2.2电子商务个性化推荐系统结构    5
2.2.1数据收集模块    6
2.2.2电子商务个性化推荐系统主要的研究内容    6
2.3电子商务个性化推荐技术    7
2.3.1 基于规则的推荐    7
2.3.2基于内容过滤的推荐算法    8
2.3.3协同过滤技术    8
2.3.4几种推荐算法的优缺点    9
2.3.5混合推荐技术    10
第3章传统协同过滤算法研究和分析    12
3.1传统协同过滤算法概述    12
3.2传统协同过滤算法中存在的问题    14
3.2.1数据稀疏性问题    14
3.2.2冷启动问题    15
3.2.3可扩展性问题    15
3.3问题的解决方法    15
3.3.1稀疏性问题    15
3.3.2冷启动问题    16
3.3.3可扩展性问题    16
第4章电子商务个性化推荐系统简单案例的设计和实践    18
4.1问题背景    18
4.2数据结构和实验过程设计    18
4.2.1实验数据以及返回值    18
4.2.2:数据结构设计    18
4.2.3算法流程设计    19
4.3实际运行    19
4.4结果    19
第5章总结与展望    21
5.1总结    21
5.2展望    21
参考文献    22
致谢    23