基于Web日志與聚類分析的協(xié)同過濾算法的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、近年來，電子商務(wù)得到了飛速的發(fā)展，越來越多的電子商務(wù)系統(tǒng)為用戶提供更多選擇的同時(shí)，也經(jīng)常使用戶迷失在大量的商品信息中，很難快速找到自己需要的商品。電子商務(wù)推薦系統(tǒng)直接與用戶交互，模擬商店銷售人員向用戶提供商品推薦，幫助用戶找到所需商品，從而順利完成購買過程。隨著電子商務(wù)系統(tǒng)規(guī)模的進(jìn)一步擴(kuò)大，電子商務(wù)推薦系統(tǒng)也面臨一系列問題，如：數(shù)據(jù)稀疏性、系統(tǒng)可擴(kuò)展性、冷肩動(dòng)等問題，針對(duì)這些問題，本文對(duì)電子商務(wù)推薦算法進(jìn)行了有益的探索和研究，并提出了相

2、應(yīng)的解決辦法。 針對(duì)傳統(tǒng)算法中用戶對(duì)商品評(píng)價(jià)信息的稀疏性及由此帶來的推薦質(zhì)量低等問題，提出了分析服務(wù)器日志的方法，將用戶瀏覽或購買商品過程中所表現(xiàn)出對(duì)商品興趣度的隱性信息根據(jù)一定的算法將其轉(zhuǎn)化為用戶對(duì)該商品的顯性評(píng)分?jǐn)?shù)值，這些評(píng)價(jià)信息作為協(xié)同過濾算法的數(shù)據(jù)依據(jù)，對(duì)算法推薦結(jié)果準(zhǔn)確性的提高起到了很大的作用。 針對(duì)傳統(tǒng)算法中因?yàn)閿?shù)據(jù)量的增加導(dǎo)致算法在線處理數(shù)據(jù)效率低的闖題，本文提出了利用用戶聚類的方法將具有相似興趣的用戶劃分