电子商务系统中的信息推荐方法研究

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。     

基于用户的协同过滤个性化商品推荐系统研究

论文首先探讨了电子商务推荐系统的定义和作用,然后分析了电子商务推荐系统的类型,最后在此基础上对基于用户的协同过滤推荐系统的实现进行了研究。     

基于混合模式的网络超市商品推荐方法

在分析现有网络商品推荐算法的优缺点及主要问题的基础上,提出一种基于混合模式的网络超市商品推荐方法。其主要思想是：通过商品本体概念和属性构建商品子模型,采用基于内容的推荐算法填充用户——商品评分矩阵;依据用户背景信息、评分数据和查询关键字构建用户子模型,采用K均值算法进行用户聚类;利用基于用户的协同过滤产生推荐。实验表明,混合算法提供的推荐结果更加准确高效。     

电子商务推荐系统研究

本文简要介绍了电子商务推荐系统的概念和作用,系统地介绍了电子商务推荐系统工作流程,重点介绍了几种常见电子商务推荐系统的推荐技术,最后对电子商务推荐系统未来的研究方向进行了展望。     

电子商务推荐系统的算法与模型分析

作为电子商务中最重要的技术之一,电子商务推荐系统能够向客户产生有价值的商品推荐,帮助客户在大量的商品中找到需要的商品,从而顺利完成购买过程。对电子商务推荐系统进行了分析,介绍了电子商务推荐系统的输入和输出以及电子商务推荐系统推荐算法。在此基础上,提出了五个电子商务推荐模型,并指出了电子商务推荐系统面临的主要挑战和研究方向。     

电子商务中的个性化推荐方法评述

随着电子商务的不断发展,如何更好地了解用户需求以提供更令人满意的个性化服务变成了一个十分关键的问题,也就是电子商务推荐系统产生的动因.文章首先介绍了电子商务个性化推荐系统的概念和作用.然后对当前最主要推荐策略的原理、应用进行了描述,随后对这些推荐策略的优劣势进行了深入的分析、评价.接着评述了推荐算法评价的相关难题和研究,再就是对电子商务推荐系统的相关因子研究进行了介绍.在最后部分.文章对将来个性化推荐的研究方向进行了探讨,希望通过这样的探索能进一步推动个性化推荐的相关研究.     

个性化推荐技术在电子商务CRM中的应用

在电子商务环境中,客户与企业交流的过程中产生了海量的客户行为数据记录,这是企业提高客户关系管理能力的巨大优势。但与此同时,企业也面临着如何有效挖掘和利用这些信息资源,优化客户关系,提升企业竞争力的巨大挑战。论文在分析客户关系管理在企业运营中的重要作用的基础上,讨论了常用的个性化推荐技术及其在电子商务客户关系管理中的应用。     

基于改进协同过滤模型的农资推荐方法研究

协同过滤推荐方法在传统个性化推荐领域被广泛使用。农资电子商务领域面向的专家/终端用户和批发/零售的混合模式更为复杂,需要对传统协同过滤方法加以改进。文章在传统协同过滤模型基础上,提出对用户兴趣建模动态调整,改进K最近邻算法,以满足农资电子商务领域的特殊需求。实验证明,在农资个性化推荐中使用基于改进协同过滤的方法,提高了推荐的质量和效率。     

浅谈数字图书馆个性化信息推荐系统

推荐系统是一种在特定类型的数据库中进行知识发现的应用技术,使用多种数据分析技术为用户提供更好的服务,向用户主动、及时、准确地提供所需信息,并能根据用户对推荐内容的反馈进一步改进推荐结果,并对个性化推荐系统的概念、对推荐系统的定位以及推荐系统实现的主要技术分析、发展等进行了探讨。     

Web日志数据挖掘的个性化推荐系统的探析

本文阐述了web日志挖掘应用到个性化推荐系统中的研究的意义,并从Web日志数据挖掘技术理论知识展开分析研究,对进行研究个性化推荐系统的研究提供理论支持。     

数字图书馆推荐系统中用户偏好的建模方法

通过对数字图书馆推荐系统进行分析,从信息源特点与用户对象特点两方面出发,提出了将用户偏好模型分为长期偏好与短期偏好相结合的动态模型。     

基于协同过滤的电子商务个性化推荐算法分析

个性化推荐系统是电子商务运作过程中的重要组成部分,计算机网络信息化的不断发展和当今数据的爆炸式增长,使得人们很难在海量信息中找寻出适合自身需求的数据和信息,信息过载状况时有发生。阐述了我国电子商务个性化推荐系统的作用,分析了当前主流电子商务推荐技术,对基于协同过滤的电子商务个性推荐算法进行了研究。     

电子商务推荐系统研究综述

对电子商务推荐系统在国内外的研究现状进行了综述,分析与评述了各种电子商务推荐技术的原理方法、特点、优势和不足,阐述了电子商务推荐系统的研究内容,指出了现有电子商务推荐系统存在的问题和研究的发展方向。     

基于专家系统的电子商务个性化推荐技术

电子商务个性化推荐技术利用电子商务网站向不同客户提供具有针对性的购买建议。根据网络消费者的购买流程,设计专家系统的咨询子系统、数据库子系统和结果子系统,设计推荐规则和推荐形式,采用启发式搜索提高推荐速率,提高商品成交量。     

基于信息流的实时电子商务动态个性化推荐

针对企业对实时个性化推荐的需求,基于信息流的表达、生成和分析对顾客访问记录进行了深层次挖掘,研究了电子商务系统实时个性化推荐策略,提出了包含信息流定义、信息流评价、知识匹配、网站动态组织等算法在内的个性化推荐算法.基于J2EE技术完成了包含客户端、服务器端和存储系统在内的实时动态个性化推荐系统的结构设计.实例表明,随着训练次数的增加推荐准确度呈升高的趋势,并优于关联规则法.     

基于Web挖掘的个性化推荐系统研究

本文拟从Web挖掘的概念着手,介绍几种主要的个性化推荐技术,并在此基础上,构建基于Web挖掘的个性化推荐系统框架,最后介绍了一个实例:Amazon.com.     

国内推荐引擎学术研究知识图谱分析

利用SPSS软件,对CNKI数据库中2005～2010年间的国内推荐引擎领域论文进行共词分析,并借助聚类分析和因子分析,研究关键词之间的关系,绘制该领域的战略坐标图,探讨了国内推荐引擎领域的研究现状与热点。     

一种面向高校图书馆的个性化图书推荐系统

个性化图书推荐主要是以用户特征和借阅行为为挖掘对象,通过获取用户的兴趣特征及隐含的需求模式,实现用户与图书相互关联的个性化图书推荐服务。本文通过挖掘用户的背景信息构建用户特征模型,然后在设计喜好值计算、用户相似度计算和内容相似度计算以及标签信息获取方法的基础上,研究多种不同的图书推荐方法,以挖掘用户的潜在信息需求。最后利用图书馆的真实数据设计面向高校图书馆的个性化图书推荐系统,同时以标准网络数据集通过实验验证来评估推荐方法的有效性。     

电子商务中个性化信息服务研究

与传统信息服务相比,个性化信息服务能更好的满足用户的需求,是电子商务发展的方向。本文在介绍个性化信息服务的同时,并着重讨论了实现个性化信息服务的关键技术——个性化信息推荐系统,尝试地给出一个个性化信息服务推荐系统的体系结构。     

国内电子商务个性化推荐研究进展：架构与实践

本文介绍了电子商务个性化推荐内涵、核心内容和研究框架,并从推荐模型与机理、典型应用与技术实践两方面阐述了国内电子商务个性化推荐研究进展。