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。     

知识网格与电子商务智能推荐理论研究

在日趋激烈的竞争环境下,电子商务推荐系统能有效地保留客户,提高电子商务系统的销售的有效手段。介绍了电子商务推荐技术和系统的研究现状,分析了现有技术和系统存在的质量、实时性和规模性问题,探讨了网格技术、知识网格和本体论在相关领域取得的进展,提出基于知识网格与电子商务智能推荐系统的构想。     

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。     

基于模糊聚类和资源平滑的协同过滤推荐

在分析目前电子商务推荐系统及传统的协同过滤推荐存在问题的基础上,提出了一种新的电子商务推荐算法。该算法利用客户对商品的历史评分记录中所隐含的客户相关信息和商品相关信息来为客户推荐商品,并且将模糊聚类技术运用于商品最近邻居和客户最近邻居的查找。实验结果表明该算法能够提供更好的推荐,聚类数对推荐质量有较大的影响。     

电子商务应用中的协同过滤算法综述

电子商务的迅猛发展为用户提供了大量的信息,网购已经成为潮流,各种网购平台为用户提供了大量的信息,而如何在众多的电子商务网站和海量的商品中快速地找到用户需求的产品成为一个研究的重点。在此,推荐算法应运而生,,协同过滤推荐算法在电子商务系统中得到了广泛的应用。本文主要介绍两种协同过滤推荐技术在电子商务网站中的应用现状,并在此基础上介绍了一些改进的协同过滤算法的研究现状和推荐效果,以及算法未来可能的研究方向。     

基于情境感知的电子商务平台个性化推荐模型研究

针对当前电子商务平台商品推荐中存在的不足,提出借助于本体技术和Agent技术,实现基于情境感知的电子商务平台个性化商品的推荐.对电子商务平台的情境要素进行了分析,探讨了电子商务平台情境感知的内涵;构建基于情境感知的电子商务平台个性化商品推荐模型,分析模型的组成部分;对模型运行的基本流程进行了介绍,重点分析情境获取、情境处理和规则匹配的实现方法;并对情境本体和商品本体的构建思路进行了分析.     

浅析协同过滤算法及其改进分析

近年来,互联网和web技术的不断进步促进了电子商务推荐系统的快速发展,各种推荐系统的日益繁荣改变了传统的贸易行为,它的逐步建立和完善使传统的商务运作摆脱了已有规则的束缚,对相关的商业形态、交易形式、流通方式以及营销方式等都产生的巨大的影响。针对电子商务推荐系统面临的主要挑战,对电子商务推荐系统推荐算法设计以及推荐系统体系结构等关键技术进行了有益的探索和研究,对算法中影响推荐质量的稀疏性问题和影响用户满意度的推荐完整性问题进行深入分析,引入了基于聚类的最近邻查询技术对协同过滤算法进行改进,经分析新算法缓解了对特殊用户无法产生准确推荐的问题,能够带给用户各更准确的推荐。     

基于协同过滤技术的电子商务推荐系统初探

推荐系统正逐渐成为电子商务系统重要的竞争手段,而协同过滤技术是个性化推荐系统的研究热点。文章从协同过滤技术的基本原理出发,系统评述了协同过滤算法的分类、相似性计算法则、算法的性能评价等关键议题,最后指出了协同过滤技术存在的问题以及将来的研究方向。     

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.     

基于天猫商城的推荐系统应用研究

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。     

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。     

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.     

B2C模式多层购物体系时镜反转商品数据降维挖掘

提出一种B2C模式下商品数据降维挖掘处理的商品推荐及实现方法,在B2C模式多层购物体系下,采用被动时间反转镜技术建构多维商品数据的降维模型,采用数据挖掘的方法提取用户在网站上浏览信息,留言信息等,综合对信息进行数据挖掘处理,提取用户最关心的信息,然后对相应的用户推荐相应类型的商品,从而大大提高B2C模式下电子商务的交易成功率;采用一种商品在北京市的分布作为研究对象比较推荐前后的商品覆盖率,结果显示,基于数据挖掘的B2C模式下商品推荐将商品覆盖率提高了66%。研究成果展示了在电子商务管理的良好的应用前景和价值。     

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。     

基于语义词典的电子商务推荐系统模型研究

随着电子商务行业网站的迅猛发展,智能推荐系统的作用变得越来越重要,它能提升网站的知名度和用户的忠诚度,有效地保留客户和挖掘潜在客户,从而提高商务企业的销售收入.本文介绍了电子商务推荐系统的主要算法和国内外相关研究成果,分析了现有算法和推荐技术存在的缺陷,探讨了语义词典的设计原理,提出了基于语义词典的电子商务推荐系统的想法.     

基于内容过滤的网络招聘双向推荐系统研究

个性化推荐在网络中应用越来越广泛,在电子商务中表现尤其突出,然而个性化推荐技术在网络招聘推荐领域的应用却不是很成熟。设计了基于内容过滤的网络招聘双向推荐系统,利用简历的特性获取用户需求信息并提取特征项,建立需求向量,通过计算向量相似度进行推荐,依据统计用户历史信息调整权重值的大小,进而增强系统的可靠性。实验表明：本系统一定程度上可以提高用户的满意度,提高推荐的成功率,增加用户对系统的信任程度。