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77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),請進行舉報或認領

文檔簡介

1、在當今信息泛濫的時代,個性化營銷的出現(xiàn)極大方便了人們的生活,改變了人們的習慣。以用戶為中心的個性化產(chǎn)品越來越多,個性化資訊、個性化音樂、個性化電子書、個性化產(chǎn)品、個性化推薦技術(shù)也隨之成為了當前的研究熱點,同時隨著手機特別是智能手機的迅猛發(fā)展,智能手機的閱讀數(shù)量呈現(xiàn)級數(shù)增長,用戶迫切需要一種能夠根據(jù)自身特點組織和調(diào)整信息的服務模式,個性化服務應運而生,那么個性化服務顯得越來越重要,本文研究了手機閱讀個性化系統(tǒng)及主要的推薦技術(shù),通過對XX公

2、司手機閱讀個性化產(chǎn)品中個性化推薦方法的研究,提出根據(jù)用戶的消費行為和協(xié)同過濾算法對手機閱讀個性化進行研究。
  本文首先對XX公司目前個性推薦系統(tǒng)Slope One進行深入剖析,提出存在的問題:分析用戶偏好的數(shù)據(jù)源是用戶的瀏覽日志,不能有效的把高價值用戶挖掘出來,而且在線處理大量數(shù)據(jù),效率較低,沒有考慮用戶價值的差異,推薦方式比較單一。
  針對存在的問題,本文對個性化推薦方法中的協(xié)同過濾算法進行了詳細分析,首先對主流的個性

3、化推薦技術(shù)進行綜述,其次提出在用戶行為模式下手機閱讀個性化推薦的方法,引入用戶關(guān)系管理領域的RFM模型和數(shù)據(jù)挖掘領域的聚類技術(shù),提出新的推薦模型。根據(jù)用戶的行為把用戶分成瀏覽用戶和消費用戶,設計基于RFM模型的K-均值聚類處理方法,通過用戶的歷史消費記錄分析用戶的消費偏好,把用戶的瀏覽和消費行為轉(zhuǎn)化成對書籍的興趣評價上,在用戶-書籍評分數(shù)據(jù)庫的基礎上,通過RFM和協(xié)同過濾策略將各種推薦算法有層次的融合在一起,達到更好的推薦效果。

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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