混合模式論文混合模式 Web日志 數(shù)據(jù)挖掘 個(gè)性化推薦系統(tǒng)

1、 混合模式論文：基于混合模式的個(gè)性化推薦系統(tǒng)的研究與應(yīng)用【中文摘要】現(xiàn)在社會(huì),互聯(lián)網(wǎng)已經(jīng)成為我們獲取信息的主要來(lái)源,人們生活的方方面面都與互聯(lián)網(wǎng)產(chǎn)生了聯(lián)系,互聯(lián)網(wǎng)讓人們的生活更加便捷,與此同時(shí)也帶來(lái)了一系列的問題,大量繁復(fù)蕪雜的信息充斥著網(wǎng)絡(luò),讓我們?cè)诨ヂ?lián)網(wǎng)的世界里迷失了自己。找不到需要的東西或者花很長(zhǎng)時(shí)間找到需要的東西。利用傳統(tǒng)的搜索引擎搜索查找需要的東西效率比較低,很難滿足用戶的需要,諸多的推薦系統(tǒng)應(yīng)運(yùn)而生,它可以針對(duì)不同的用戶提供個(gè)性化的服務(wù),提高用戶對(duì)網(wǎng)站的信任度,如音樂推薦系統(tǒng)就是根據(jù)用戶的興趣愛好,為其提供最適合他的音樂,以此來(lái)提高用戶對(duì)網(wǎng)站的信任度。不難發(fā)現(xiàn),基于單一模式的推薦系

2、統(tǒng)都存在不少的缺陷,例如基于內(nèi)容的以及基于協(xié)同過濾的推薦技術(shù)存在冷啟動(dòng)以及數(shù)據(jù)稀疏性等問題；基于關(guān)聯(lián)規(guī)則的推薦技術(shù)存在抽取難,個(gè)性化程度低等方面的問題,這造成了推薦的效率不高。鑒于以上的分析研究,本文針對(duì)單個(gè)模式的缺陷,將基于內(nèi)容的,基于協(xié)同過濾的以及基于日志文件的推薦技術(shù)相融合,提出了基于混合模式的推薦模式,根據(jù)不同的用戶數(shù)據(jù)選擇不同的推薦技術(shù),發(fā)揮不同推薦模式的優(yōu)勢(shì),盡可能提高推薦的精確度。另外針對(duì)傳統(tǒng)的推薦技術(shù)過分依賴于用戶的顯式信息,造成了數(shù)據(jù)源不足的缺陷.【英文摘要】Nowadays, the Internet is the main source to get informatio

3、n for people, and all aspects of peoples lives have been connected with it, which makes peoples life more convenient, but also brings a series of problems at the same time. We usually lost ourselves in the Internet because of a lot of heavy and complicated miscellaneous information. We cant find wha

4、t we need or take a long time to find what we need in the internet. It is very inefficient by using the traditional search engines, so it is difficult.【關(guān)鍵詞】混合模式 Web日志 數(shù)據(jù)挖掘 個(gè)性化推薦系統(tǒng)【英文關(guān)鍵詞】Mixed modle Web Log Data Mining Personalized recommendation system【索購(gòu)全文】聯(lián)系Q1：138113721 Q2：139938848 同時(shí)提供論文寫作一對(duì)一輔導(dǎo)和

5、論文發(fā)表服務(wù).保過包發(fā) 【目錄】基于混合模式的個(gè)性化推薦系統(tǒng)的研究與應(yīng)用摘要4-5Abstract5-6第1章 引言9-161.1 研究背景9-141.1.1 電子商務(wù)個(gè)性化推薦系統(tǒng)的概念10-111.1.2 個(gè)性化推薦系統(tǒng)的目標(biāo)11-121.1.3 個(gè)性化推薦系統(tǒng)的工作原理121.1.4 國(guó)外個(gè)性化的音樂推薦系統(tǒng)研究現(xiàn)狀12-131.1.5 國(guó)內(nèi)個(gè)性化的音樂推薦系統(tǒng)研究現(xiàn)狀13-141.2 研究?jī)?nèi)容14-151.3 論文的結(jié)構(gòu)安排15-16第2章 個(gè)性化推薦系統(tǒng)相關(guān)理論16-332.1 推薦系統(tǒng)的分類16-172.2 主要的推薦技術(shù)17-212.2.1 基于內(nèi)容的推薦方法17-182.2.2

6、 基于協(xié)同過濾的推薦方法18-192.2.3 混合模式的推薦技術(shù)19-202.2.4 綜合應(yīng)用數(shù)據(jù)挖掘技術(shù)的推薦模式20-212.3 在線推薦的模塊組成21-232.4 主要的推薦算法23-282.4.1 關(guān)聯(lián)規(guī)則推薦算法23-242.4.2 基于內(nèi)容的推薦算法242.4.3 協(xié)同過濾技術(shù)主要的算法分析24-282.5 現(xiàn)有推薦算法存在的問題及解決方法28-312.5.1 現(xiàn)有為問題28-292.5.2 現(xiàn)有的解決方式29-312.6 推薦系統(tǒng)的評(píng)價(jià)標(biāo)準(zhǔn)31-33第3章 基于混合模式推薦系統(tǒng)的相關(guān)知識(shí)33-393.1 混合推薦模式的必要性33-353.2 基于混合模式的個(gè)性化電子商務(wù)推薦系統(tǒng)基

7、本框架35-373.2.1 推薦系統(tǒng)的基本框架353.2.2 推薦系統(tǒng)中的數(shù)據(jù)管理35-373.3 用戶隱式信息的獲取37-39第4章 基于混合模式的個(gè)性化推薦模型的研究39-534.1 基于混合模式的電子商務(wù)推薦系統(tǒng)框架設(shè)計(jì)39-454.1.1 基于WEB日志的協(xié)同過濾技術(shù)40-454.1.2 基于內(nèi)容的個(gè)性化推薦方式454.2 用戶信息的提取45-464.2.1 用戶日志文件的獲取464.3 建立用戶評(píng)分矩陣46-504.4 用戶興趣模型的建立50-534.4.1 離線的用戶聚類的計(jì)算50-514.4.2 在線部分51-53第5章 個(gè)性化推薦模式的應(yīng)用53-655.1 系統(tǒng)的需求53-545.2 系統(tǒng)的整體框架設(shè)計(jì)54-565.2.1 前臺(tái)設(shè)計(jì)54-555.2.2 后臺(tái)設(shè)計(jì)555.2.3 音樂推薦系統(tǒng)工作流程55-565.2.4 所使用的環(huán)境565.3 系統(tǒng)的功能模塊56-595.3.1 前臺(tái)功能模塊57-595.3.2 后臺(tái)的主要模