基于混合推薦算法的網(wǎng)上銀行社區(qū)營銷推薦系統(tǒng)的研究與實現(xiàn).pdf

1、互聯(lián)網(wǎng)的迅猛革命將我們帶入了信息社會和網(wǎng)絡經(jīng)濟時代，對企業(yè)發(fā)展和個人生活都產(chǎn)生了深遠的影響。基于互聯(lián)網(wǎng)電子商務模式的虛擬企業(yè)不再需要像傳統(tǒng)物理環(huán)境下的企業(yè)那樣大量的實體投資，就可以與顧客、供應商之間建立起更加直接的聯(lián)系。以用戶為核心的新興互聯(lián)網(wǎng)站點可以拋開傳統(tǒng)媒介的限制，將自己的影響力以更豐富的方式傳達給更多的潛在客戶。
　　 同時，網(wǎng)上銀行領域競爭越來越激烈，銀行提供的服務愈來愈多，但銀行間的差異性和個性化卻越來越小。傳統(tǒng)實體

2、企業(yè)和銀行應該密切合作，改變傳統(tǒng)以產(chǎn)品為導向的策略，需要拉近與客戶的距離，使得銀行和實體服務企業(yè)更全面地為客戶提供服務，開展以客戶為導向的服務戰(zhàn)略。個性化的銀行營銷系統(tǒng)是基于客戶細分、市場營銷的理念以及海量客戶數(shù)據(jù)經(jīng)驗的智能化的推薦，能夠為合適的客戶提供個性化的服務、信息。推薦系統(tǒng)一方面通過預測用戶對項目的喜好程度來為用戶提供信息過濾，應用知識發(fā)現(xiàn)技術來生成個性化推薦，幫助用戶找到所需信息；另一方面輔助企業(yè)達到個性化營銷的目的，進而提升

3、銷售量，為企業(yè)創(chuàng)造更多的利潤。
　　 論文以推薦系統(tǒng)為研究核心，主要研究當前各種推薦算法，包括協(xié)同過濾、關聯(lián)規(guī)則等，并對這兩種算法進行了改進。一方面，論文將興趣度作為參數(shù)引入?yún)f(xié)同過濾算法中，并給出興趣度的度量，通過SVM進行用戶興趣度劃分分類，能夠提高推薦質量。另一個方面，論文也改進了基于用戶興趣的關聯(lián)規(guī)則挖掘推薦算法，通過關聯(lián)挖掘，可以較快速的進行目標用戶的推薦。然后，再通過混合模型進行兩個算法的整合，通過可調整的參數(shù)設置，使