Web數(shù)據(jù)挖掘在網(wǎng)上書店個性化推薦系統(tǒng)中的應用研究.pdf

1、隨著網(wǎng)絡信息技術的迅速發(fā)展,在享受網(wǎng)上購物便捷的同時也面臨了信息過載的困境,如何在大量信息中尋找到感興趣的、有價值的信息,個性化推薦技術應運而生,個性化推薦可以根據(jù)用戶的興趣特點和購買行為向用戶推薦感興趣的信息和商品,使用戶享受“一對一”的信息服務,是未來信息服務發(fā)展的趨勢。本文詳細介紹了個性化推薦的主要算法,協(xié)同過濾技術是目前最成功的推薦技術之一,但隨著站點結構、內容的復雜度和用戶人數(shù)的增加,協(xié)同過濾技術的一些缺點也暴露出來,個人用戶

2、對商品的評價不過占評價中的1％~2%,造成評估矩陣數(shù)據(jù)相當稀疏,難以找到相似用戶集,導致推薦效果大大降低,針對這種情況,提出了改進的協(xié)同過濾算法:基于Web數(shù)據(jù)挖掘的協(xié)同過濾推薦算法,主要利用關聯(lián)規(guī)則算法和聚類算法進行推薦,重點把聚類算法作為關聯(lián)規(guī)則算法的預處理,對數(shù)據(jù)先做一次聚類分析分成多個類,在類中運用關聯(lián)規(guī)則算法尋找相似用戶,可以提高推薦的準確率,并通過實驗進行了驗證?；赪eb數(shù)據(jù)挖掘的個性化推薦系統(tǒng),主要分為離線和在線兩部分,