学位论文 > 优秀研究生学位论文题录展示

电子商务协同过滤算法的研究与实现

作　者: 黄合鑫
导　师: 邢薇薇
学　校: 北京交通大学
专　业: 软件工程
关键词: 电子商务协同过滤 Min-Hash 扩展性预处理
分类号: TP301.6
类　型: 硕士论文
年　份: 2011年
下　载: 120次
引　用: 1次
阅　读: 论文下载

内容摘要

随着互联网的飞速发展,电子商务网站及其商品信息数量急剧增多,用户在享受电子商务带来方便、快捷服务的同时,也希望能更及时更准确地获取所需的商品信息。通过为用户提供个性化推荐系统可以很好地满足用户需求。推荐系统通过分析用户的历史行为了解用户的兴趣爱好,然后向用户推荐其可能感兴趣的商品信息。尽管现有的推荐技术能够一定程度上解决此问题,但是各种推荐技术面临的诸多局限性使得其并不能从根本上满足用户需求。本文在传统推荐技术的基础上,主要研究了传统协同过滤的推荐机制,针对其扩展性问题提出了一种改进的算法,并实验验证其可行性。本文具体内容包括：1.阐述了当前推荐系统的研究现状以及比较典型的推荐技术,深入地探讨分析了传统协同过滤方法的基本原理并深入研究了不同类型的协同过滤技术的推荐机制、寻找最近邻方式和各自的优缺点；2.从推荐原理上分析了传统协同过滤的局限性,并从大规模数据集的角度阐述了传统协同过滤在处理大规模高维数据时存在的不足；3.研究分析了Min-Hash在大规模数据上的降维原理,论证了将Min-Hash应用到协同过滤中,然后设计并实现了基于Min-Hash算法的协同过滤模型；4.在给定的实验数据集上进行了对比实验,首先针对数据集中存在噪音数据和同义性的问题,设计噪音过滤和数据预处理方案,在一定程度上提高了推荐结果的精准度。实验结果表明,Min-Hash方法能在保证推荐质量的前提下很大程度上缩短计算时间和存储空间,能有效地扩展到大型电子商务网站。

全文目录

致谢  5-6
中文摘要  6-7
ABSTRACT  7-10
1 绪论  10-17
  1.1 论文背景与意义  10-11
  1.2 电子商务推荐系统  11-15
    1.2.1 国内外电子商务推荐系统发展水平  11-13
    1.2.2 个性化推荐系统  13-15
  1.3 论文主要内容及结构安排  15-17
    1.3.1 论文主要内容  15
    1.3.2 论文结构安排  15-17
2 协同过滤推荐技术研究  17-30
  2.1 电子商务中协同过滤推荐技术的应用  17-19
  2.2 协同过滤推荐技术研究  19-28
    2.2.1 协同过滤推荐技术问题分析  19-20
    2.2.2 协同过滤技术基础  20-22
    2.2.3 协同过滤技术分类  22-23
    2.2.4 协同过滤技术原理  23-25
    2.2.5 协同过滤的局限性分析  25
    2.2.6 典型解决方案  25-28
  2.3 协同过滤评价指标  28-30
3 协同过滤Min-Hash算法研究  30-41
  3.1 问题的提出  30
  3.2 Min-Hash聚类原理  30-32
  3.3 基于Min-Hash算法的协同过滤  32-41
    3.3.1 协同过滤Min-Hash算法原理  32-35
    3.3.2 协同过滤Min-Hash算法设计  35-38
    3.3.3 协同过滤Min-Hash模型设计  38-41
4 实验与评估  41-49
  4.1 实验环境  41-42
  4.2 实验数据预处理  42-44
  4.3 实验设计  44-46
    4.3.1 实验设置  44-45
    4.3.2 评估方法  45-46
  4.4 实验结果  46-48
  4.5 实验结论  48-49
5 总结与展望  49-51
  5.1 总结  49
  5.2 展望  49-51
参考文献  51-54
学位论文数据集  54

电子商务协同过滤算法的研究与实现

内容摘要

全文目录

相似论文