基于大數據的廣告推薦方法研究及應用.pdf

1、互聯網像星星之火一樣飛速發(fā)展，用戶以及其產生的信息呈爆炸式增長。而今，利用電子商務平臺購物也越來越普通，逐漸也成為人們購物方式重要選擇之一。但是網絡購物方式為人們提供快捷服務的同時，我們不得不面對過多的商品信息。這些充斥人們眼前的過載信息成為困擾網站和用戶的共同問題，推薦系統在這種情況下應運而生。在大量數據中，挖掘對用戶有意義的數據，提取數據源，在分析用戶行為信息和商品信息之間的關系，建立相似矩陣，在海量數據里推薦出用戶感興趣的商品列表

2、。推薦系統的核心在于推薦算法，如何優(yōu)化推薦算法，使得推薦能夠高效準確是推薦系統主要關注問題。
　　本文首先介紹了互聯網下產生海量數據的來源和數據的主要存儲位置，又描述了典型數據處理技術以及進行數據挖掘的主要方法。接著闡述了推薦算法發(fā)展過程、研究背景，分析了流行的幾種推薦算法，為后文研究提供理論依據。
　　隨后在重點分析基于物品的協同過濾算法，考慮到在一段時間內用戶產生的行為不同，時間點越接近越能反映用戶的喜好特點，在短時間內