2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)的迅速發(fā)展,電子商務(wù)已經(jīng)成功融入進人們的日常生活中,成為必不可少的一個部分。個性化推薦技術(shù)作為一種重要的信息過濾手段,目前被廣泛用于電子商務(wù)的各項應(yīng)用中。然而隨著電子商務(wù)應(yīng)用的用戶和商品數(shù)量逐漸增多,數(shù)據(jù)規(guī)模急遽擴大,已有的推薦系統(tǒng)在性能和執(zhí)行效率方面已逐漸落后,存在實時性差,稀疏性問題嚴(yán)重,計算效率低等缺點。
  本文針對原有推薦技術(shù)在稀疏性、可擴展性、實時性等方面的問題,設(shè)計并實現(xiàn)了一個高效的個性化推薦系統(tǒng)。在推薦系

2、統(tǒng)的離線部分,本文提出了一種全新的用戶興趣度模型——個性描述樹,更準(zhǔn)確地描述了用戶對商品的興趣度。在此模型基礎(chǔ)上,提出了基于最小哈希聚集的電子商務(wù)個性化推薦算法PSLH,利用哈希聚集的方式求取用戶之間的相似度以簡化計算復(fù)雜度,并將其部署到云計算環(huán)境下,采用MapReduce技術(shù)實現(xiàn)算法并行化,有效提高算法的計算效率和可擴展性,緩解了稀疏性問題。除此之外,本文還提出了基于商品屬性的關(guān)聯(lián)規(guī)則挖掘算法ARM,利用關(guān)聯(lián)規(guī)則挖掘技術(shù)發(fā)現(xiàn)商品的內(nèi)在

3、相關(guān)性,從而形成推薦,實現(xiàn)了推薦結(jié)果的多樣性。在推薦系統(tǒng)的在線部分,本文利用web日志記錄用戶的行為,并根據(jù)最近行為形成實時推薦,有效緩解實時性問題。
  本文所設(shè)計開發(fā)的個性化推薦系統(tǒng)被部署在東南大學(xué)云計算中心,并使用中國制造網(wǎng)的真實數(shù)據(jù)對系統(tǒng)進行測試,在此基礎(chǔ)上本文設(shè)計了Portal電子商務(wù)平臺對推薦系統(tǒng)產(chǎn)生的結(jié)果進行演示。測試結(jié)果表明,相對于傳統(tǒng)的推薦算法,本文開發(fā)的個性化推薦系統(tǒng)中采用的算法具有良好的推薦性能和執(zhí)行效率,完

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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,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。

最新文檔

評論

0/150

提交評論