基于數(shù)據(jù)挖掘的web2.0個(gè)性化服務(wù)研究與應(yīng)用_第1頁
已閱讀1頁，還剩67頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、上海交通大學(xué)碩士學(xué)位論文基于數(shù)據(jù)挖掘的Web2.0個(gè)性化服務(wù)研究與應(yīng)用姓名：陳超申請學(xué)位級(jí)別：碩士專業(yè)：通信與信息系統(tǒng)指導(dǎo)教師：陳劍波20080101上海交通大學(xué)碩士學(xué)位論文 摘要 計(jì)了實(shí)驗(yàn)分析驗(yàn)證，以此進(jìn)一步驗(yàn)證了本文的建模方法在建模質(zhì)量方面的優(yōu)勢。 為進(jìn)一步說明所提出的 Web2.0 用戶聚類建模方法的特點(diǎn)。

2、本文進(jìn)一步對該建模方法的應(yīng)用做了深入的研究。把實(shí)現(xiàn)該建模方法的模塊嵌入到一個(gè)播客系統(tǒng)中，并基于該分析機(jī)制實(shí)現(xiàn)了播客系統(tǒng)節(jié)目的個(gè)性化推薦功能。在該應(yīng)用場景中采用全局推薦機(jī)制作為參照對象，分析比較了以用戶聚類建模為基礎(chǔ)的個(gè)性化推薦與全局推薦對用戶推薦的推薦質(zhì)量。通過該個(gè)性化推薦應(yīng)用中的一個(gè)實(shí)例再次直觀地展示了基于用戶聚類建模的個(gè)性化推薦的優(yōu)點(diǎn)。 最后，本文還對建模方法的應(yīng)用改進(jìn)作了進(jìn)一步的探索。 關(guān)鍵字：Web2.0，用戶聚類，節(jié)目推薦，長

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論