電子商務(wù)協(xié)同過濾算法的研究與實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，電子商務(wù)網(wǎng)站及其商品信息數(shù)量急劇增多，用戶在享受電子商務(wù)帶來方便、快捷服務(wù)的同時，也希望能更及時更準(zhǔn)確地獲取所需的商品信息。通過為用戶提供個性化推薦系統(tǒng)可以很好地滿足用戶需求。推薦系統(tǒng)通過分析用戶的歷史行為了解用戶的興趣愛好，然后向用戶推薦其可能感興趣的商品信息。盡管現(xiàn)有的推薦技術(shù)能夠一定程度上解決此問題，但是各種推薦技術(shù)面臨的諸多局限性使得其并不能從根本上滿足用戶需求。
　　 本文在傳統(tǒng)推薦技術(shù)的基礎(chǔ)上，

2、主要研究了傳統(tǒng)協(xié)同過濾的推薦機制，針對其擴展性問題提出了一種改進(jìn)的算法，并實驗驗證其可行性。本文具體內(nèi)容包括：
　　 1．闡述了當(dāng)前推薦系統(tǒng)的研究現(xiàn)狀以及比較典型的推薦技術(shù)，深入地探討分析了傳統(tǒng)協(xié)同過濾方法的基本原理并深入研究了不同類型的協(xié)同過濾技術(shù)的推薦機制、尋找最近鄰方式和各自的優(yōu)缺點；
　　 2．從推薦原理上分析了傳統(tǒng)協(xié)同過濾的局限性，并從大規(guī)模數(shù)據(jù)集的角度闡述了傳統(tǒng)協(xié)同過濾在處理大規(guī)模高維數(shù)據(jù)時存在的不足；

3、>　　 3．研究分析了Min-Hash在大規(guī)模數(shù)據(jù)上的降維原理，論證了將Min-Hash應(yīng)用到協(xié)同過濾中，然后設(shè)計并實現(xiàn)了基于Min-Hash算法的協(xié)同過濾模型；
　　 4．在給定的實驗數(shù)據(jù)集上進(jìn)行了對比實驗，首先針對數(shù)據(jù)集中存在噪音數(shù)據(jù)和同義性的問題，設(shè)計噪音過濾和數(shù)據(jù)預(yù)處理方案，在一定程度上提高了推薦結(jié)果的精準(zhǔn)度。
　　 實驗結(jié)果表明，Min-Hash方法能在保證推薦質(zhì)量的前提下很大程度上縮短計算時間和存儲空間，能