共查询到20条相似文献，搜索用时 647 毫秒
1.
2.
3.
4.
5.
随着网上购物在我国爆发式的发展,电子商务网站利用推荐系统向潜在购买用户提供针对性的购买建议。根据用户历史操作记录与商品历史被操作记录,使用适合的算法进行特征分类,取得用户行为特征和商品特性,从而进行针对性的推荐,提高推荐准确率与提升推荐商品的全面性,从而使推荐系统发挥最大的效益,使消费者购物成功率提高、满意度提升,使商家销售量提高、宣传成本降低。 相似文献
6.
基于商品属性与用户聚类的个性化服装推荐研究 总被引：1，自引：0，他引：1
淘宝网作为电子商务时代最大的网上零售平台,为用户提供越来越多的商品与服务的同时,也出现了信息过载等一系列问题。鉴于此,本文提出了基于商品属性与用户聚类的个性化服装推荐方法,通过用户个人信息与对商品的评价,计算用户之间的相似度,进行聚类分析。与此同时,将商品化整为零,通过商品属性来计算商品的相似度,得到top-N相似列表。以此,综合商品与用户两者的权重值,实现为用户提供个性化的商品推荐,解决用户面对信息过载的难题,为用户节省精力,提高用户的购物体验。针对某一淘宝网店铺,本文提出了适合的混合推荐算法,并通过搜集实际数据进行了实证研究,对推荐结果进行准确性评价。 相似文献
7.
为了提高电子商务推荐系统的精度,提出了基于关联集合的协同过滤推荐算法,该算法通过频繁项集生成算法生成一系列频繁项集,然后通过合并处理过滤掉与用户关联很小的一些噪音项目,从而使协同过滤算法更加有效。该算法在推荐精度上比传统的方法优越。 相似文献
8.
针对基于用户的协同过滤推荐模型对搜索兴趣最近邻居准确度不高等问题,提出了一种时间上下文关联的智能推荐模型。该模型考虑了现实情况中顾客之间兴趣的时间同步性与顾客之间的相似性成正比的关系,并在模型中引入了时间衰减因子来表示这种关系,从而提高搜索兴趣最近邻居的准确度。实验结果表明,改进的时间关联推荐模型的准确度比协同过滤推荐模型的准确度提高了25％。 相似文献
9.
10.
电子商务系统中的信息推荐方法研究 总被引：10，自引：1，他引：10
电子商务发展具有很大的潜力，本文从信息服务的角度，探讨了电子商务系统的信息推荐方法，重点论述了主动信息推荐和被动信息推荐两种推荐方法，并详细描述了一种个性化信息推荐方法——基于用户的信息过滤算法。同时本文还对主动信息推荐和被动信息推荐方法进行了比较分析。 相似文献
11.
搜索引擎是互联网资源搜索的入口,搜索的快捷性、准确性是搜索引擎的核心竞争力,如何提高竞争力是业内企业的工作重点。已有的搜索引擎算法中,最具代表性的就是PageRank算法,针对该算法的改进方法也有很多,但效果并不很理想。分析了已有PageRank改进方法的不足,立足于用户搜索行为信息挖掘,采用时序关联分析方法,将关联比例作为权值加入到PageRank计算公式中,改变平均分配权威值的计算方法,从而得到了改进的PageRank算法——TCPR算法,使得搜索排序结果更符合用户的信息需求。 相似文献
12.
基于概念的权重PageRank改进算法 总被引：2，自引：0，他引：2
对比了基于链接分析的搜索引擎排序算法PageRank和HITS。针对原有PageRank算法采用的平分页面自身PageRank值的策略,提出了一种按权值分配的改进算法。权值由页面间的概念关联比重和用户的搜索概念确定。 相似文献
13.
随着移动互联网的发展,越来越多的用户信息获取过程通过移动终端完成.但当前个性化推荐系统对用户情境的感知能力不足,缺乏为用户提供符合当前情境的个性化信息推荐服务.为此,本文提出了基于贝叶斯方法的情境化用户资源类别偏好学习以及融合该类别偏好的协同过滤个性化信息推荐.运用贝叶斯方法学习用户在不同情境下对各资源类别的偏好,然后将该类别偏好与传统协同过滤推荐算法相结合,生成符合用户当前情境的个性化信息推荐.实验表明本文提出的改进算法可以提高推荐的准确率. 相似文献
14.
基于本体学习的个性化网页推荐 总被引：3，自引：0，他引：3
为了高效和便捷地满足用户的信息需求,使用户得到有价值的个性化网页推荐.针对传统个性化技术的不足,提出基于本体学习的个性化网页推荐方法,采用领域本体构建用户的兴趣模型,并采用基于语义本体的相似度算法提高推荐的准确率.实验结果表明,与其他推荐方法相比该算法具有更高的推荐准确率和召回率. 相似文献
15.
解决用户的模糊查询问题一直以来是信息检索领域研究的热点。为了解决不同用户间的查询差异，一种称为个性化搜索的技术得以提出，其通过获取用户的喜好来识别查询意图，但研究发现很少有用户愿意直接或间接提供个人信息。本文提出一种基于用户点击历史信息自动获取用户兴趣进而对搜索结果进行个性化呈现的Web搜索系统架构。基于主题相关PageRank技术，设计了用户兴趣学习算法和个性化搜索页面排序算法。实验表明该算法能有效学习用户的兴趣信息，提高了个性化Web搜索质量。 相似文献
16.
个性化信息服务中用户偏好的动态挖掘 总被引：2，自引：0，他引：2
基于个性化信息服务中用户偏好随时间变化的特性,采用聚类、关联规则等技术,对用户偏好进行动态挖掘.通过追踪用户需求序列,最终产生Top-N产品推荐,旨在提高推荐系统的推荐质量.然后选取协同过滤算法作对照,并采用MovieLens站点提供的测试数据集.通过对召回率和精度两项指标的分析,表明该动态挖掘算法具有较高的推荐准确度和全面性. 相似文献
17.
18.
信息技术的高速发展激发了用户个性化的信息需求。文章提出构建符合高校图书馆服务对象群体特征的个性化主动知识信息推送系统,运用数据挖掘技术在高校图书馆业务数据库中进行知识信息发现的实践性探索,对推送系统的核心关联规则挖掘算法进行优化研究,采用增量式关联规则更新算法以满足图书馆特点,使高校图书馆的主动知识服务在更高层次上满足读者的需求。 相似文献
19.
关联分类及其改进算法综述 总被引：1，自引：0，他引：1
关联分类算法是分类中一个重要的方法,但是基于支持度—置信度框架的传统关联分类算法会产生很多质量不高的规则。为了提高传统关联分类算法的准确率,以提出大量改进算法,综述关联分类及其改进算法。首先介绍关联分类算法及其改进算法所涉及的基本概念,其次就关联分类算法的三个步骤规则生成、规则度量与剪枝、未知实例预测综述关联分类及其改进算法。最后对关联分类及其改进算法进行总结与展望。 相似文献