Web数据挖掘在网上书店个性化推荐系统中的应用研究

利用学术数据库进行深度挖掘：比如PubMed、Web of Science #生活技巧# #学习技巧# #学术研究指南#

【摘要】： 随着网络信息技术的迅速发展,在享受网上购物便捷的同时也面临了信息过载的困境,如何在大量信息中寻找到感兴趣的、有价值的信息,个性化推荐技术应运而生,个性化推荐可以根据用户的兴趣特点和购买行为向用户推荐感兴趣的信息和商品,使用户享受“一对一”的信息服务,是未来信息服务发展的趋势。本文详细介绍了个性化推荐的主要算法,协同过滤技术是目前最成功的推荐技术之一,但随着站点结构、内容的复杂度和用户人数的增加,协同过滤技术的一些缺点也暴露出来,个人用户对商品的评价不过占评价中的1%～2%,造成评估矩阵数据相当稀疏,难以找到相似用户集,导致推荐效果大大降低,针对这种情况,提出了改进的协同过滤算法:基于Web数据挖掘的协同过滤推荐算法,主要利用关联规则算法和聚类算法进行推荐,重点把聚类算法作为关联规则算法的预处理,对数据先做一次聚类分析分成多个类,在类中运用关联规则算法寻找相似用户,可以提高推荐的准确率,并通过实验进行了验证。基于Web数据挖掘的个性化推荐系统,主要分为离线和在线两部分,离线部分对数据预处理模块和模式挖掘模块进行模式分析,在线部分主要利用离线部分提供的模式对在线用户进行推荐。最后通过实验模拟了网上书店推荐的过程,并通过实验比较了本文改进算法具有较好的推荐质量。最后并把个性化推荐应用到网上书店网站中。

【学位授予单位】：辽宁工程技术大学
【学位级别】：硕士
【学位授予年份】：2011

网址：Web数据挖掘在网上书店个性化推荐系统中的应用研究 https://www.yuejiaxmz.com/news/view/393467

相关内容

个性化推荐系统通用12篇
个性化推荐系统在互联网中的应用
达观数据个性化推荐系统实践
达观数据于敬：个性化推荐系统实践
基于数据挖掘的最低生活保障决策支持系统研究
达观数据个性化推荐系统应用场景及架构实现
微软专家眼中个性化推荐系统的5大研究趋势
目录系统在个性化和推荐系统中的应用
大数据的推荐系统与个性化：实现用户体验的优化
基于协作过滤算法的电子商务个性化推荐系统的研究

随便看看