文档介绍：摘要个性化电子商务推荐系统在过去几年得到迅速发展。许多大型的商等。这些推荐技术是网站个性化的一部分,它使网站自身适应每个用户的需求。推荐算法是推荐系统的核心。协同过滤算法是最常用的推荐算的评分来预测用户的感兴趣的商品。但是,由于协同过滤算法存在扩展性等问题。算法的复杂度随着用户和项的数量的增加而急剧上升。因此,需要应用分布式协同过滤来解决这样的问题。基于以上的问题,本文在一般协同过滤系统的研究基础上,利用分布式计算和实现了分布式协同过滤,其中有以下内容:植际计算。将中心化的数据库的数据分别分配到缰械亩缘忍褰邢似性运算,每个对等体负责计算一部分数据,然后每个对等体将计算的结果返回给分配任务的对等体。这个对等体将其他对等体返回的部分数据进行汇总。利用分布式计算可以有效减少计算项相似度的运算量,并统充分利用的几个关键属性来实现数据传输与数据查询。如利用通用来监听信息,凡是不满足通告内容的数据都不会被系统接收等。孟低呈粲谕耆ǚ植式系统,每个对等点之间共同充当客户器与服务器的角色。数据库储存的数据是一些相似度很高的用户的评分数据,系统就是通过这些数据来对用户进行协同过滤推荐。缘鹊愦⒋娌糠值氖荩庑┦菔嵌值,进入对等体的数据相似值大于阈值,将会存入邻集数据库中。业网站已经使用推荐系统为其客户推荐产品。例如、、淘宝法。协同过滤推荐系统找出与用户兴趣相似的其他用户,通过其他用户且充分利用缰邢兄玫淖试础利用公司提出的娣协议开发出一套讼低场O低持饕9δ馨ǎ该系告来建立接收信息的限制。利用态的,随时变动的。系统会将数据库里面相似度最低的用户数据作为阈关键词协同过滤;个性化推荐:架构;分布式;峁
..,广东工业大学硕七学位论文,.,..
.;籇;摘要瓺’
指导刻噬字啊芝嘭敝作者擗厶豫悟沙年铲月日独创性声明!!秉承学校严谨的学风与优良的科学道德,本人声明所呈交的论文是我个人在导师的指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,不包含本人或其他用途使用过的成果。与我一同工作的同志对本研究所做的任何贡献本学位论文成果是本人在广东工业大学读书期间在导师的指导下取得的,论文成果归广东工业大学所有。申请学位论文与资料若有不实之处,本人承担一切相关责任,特此声明。均已在论文中作了明确的说明,并表示了谢意。
,其结构也变得更加复杂,用户经常会迷失在大量的商品信息空间中,无法顺利找到自己需要的商品。个性化电子商务推荐系统直接与用户交互,模拟商店销售人员向用户提供商品推荐,帮助用户找到所需商品,从而顺利完成购买过程。在日趋激烈的竞争环境下,个性化电子商务推荐系统能有效保留用户、防止用户流失,提高电子商务系统的销售。电子商务推荐系统逐渐应用在电子商务网站上,其用途是帮助用户搜寻到自身需要的商品。它可以帮助用户从数以百万中的商品中找到合适自身需要的商品,它可以为用户推荐多种商品选择,因此,推荐系统推荐算法是个性化推荐系统的核心,贯穿于用户输入推荐请求到推荐结果输出的全过程。目前,主要的个性化推荐算法有协同过滤推荐、基于知识的推荐等,其中基于内容的推荐和协同过滤的应用较广。内容过滤主要采用自然语言处理、人工智能、概率统计和机器学习等技术进行过滤。通过相关特征的属性来定义项目或对象系统基于用户评价对象的特征学习用户的兴趣,依据用户资料与待预测项目的匹配程度进行推荐,努力向客户推荐与其以喜欢的产品或者相似的产品。如新其缺点是特征提取的能力有限并且过份细化。纯基于内容的推荐系统不能为客户发现新的感兴趣的资源,只能发现和客户已有兴趣相似的资源。这种方法通常被限制在容易分析内容的商品的推荐而对于那些较难提取随着互联网的普及和电子商务的发展,电子商务系统在为用户提在当前得到广泛应用。基于规则的推荐、基于人口的推荐、基于内容的推荐、基于效用的推荐、闻组过滤系统。基于内容过滤的系统其优点是简单、有效。第一章绪论
.思际出内容的商品,如音乐⒌缬暗染筒荒懿獾耐萍鲂Ч协同过滤是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同。协同过滤技术基本思想是基于评分相似的最近邻居的评分数据向目标用户产生推荐,推荐算法处理的基础数据是不同用户对项目的评价。评价可以是布尔型的也可以是实数,数值的大小代表喜欢的程度,也称为评分。协同过滤分相似用户对某一信息的评价,形成系统对该指定用户对此信息的喜好程度预测。协同过滤有利于判断符合用户兴趣的商品。与传统文本过滤相比,协同过滤有下列优点:能够过滤难以进行机器自动内容分析的信息,如艺术品、音乐等。共享其他人的经验,避免了内容分析的不完全和不