共查询到20条相似文献，搜索用时 31 毫秒
1.
《黑龙江科技信息》2017,(1)
电子商务系统随着用户和商品的不断增加,会出现信息过载的问题。用户会浏览到一些与自己购买商品无关的商品,影响用户的购物体验,会造成用户的流失,降低平台的转化率。因此,要想增加用户的黏度,就需要提供一些个性化的服务。为了解决电子商务系统个性化的推荐问题,本文研究了基于Hadoop生态平台构建立的个性化推荐系统。采用Map Reduce离线计算框架实现大数据的集群计算,提高系统的伸缩性和计算性能。采用协同过滤和用户特征标签的融合的算法,提高推荐的精准度。实验的结果表明,在Hadoop平台上可以实现分布式的离线计算,产生个性化的推荐结果,克服了传统爆款模型推荐的单一性,提高了推荐质量。 相似文献
2.
《科技广场》2016,(6)
以阿里为代表的巨头电商平台创造了一个又一个"双十一"促销奇迹,这得益于个性化推荐系统,协同过滤是其中应用广泛、效果较准确的一种技术,也是目前主流的推荐算法。本文采用基于用户协同过滤的个性化推荐技术对2014年"天池"大数据平台提供的四个月内884个真实用户对9531个商品的真实点击浏览、加入购物车、收藏和购买等四种行为的访问记录进行分析,以便对用户进行商品推荐。为真实反映用户对物品的偏好程度,对点击浏览、收藏、加入购物车和购买分别设置了权重0.0385、0.2375、0.3072和1,并采用皮尔森系数法计算用户之间的相似度,推荐结果与人们的经验是一致的。 相似文献
3.
4.
针对消费者经常购买的商品, 提出了一种基于Web挖掘技术的导购系统.系统综舍利用Web使用挖掘、关联规则挖掘等各种数据挖掘技术,能够实时跟踪消费者的购物行为,对其最近的偏好进行自适应学习,从而为消费者产生相应的推荐商品.最后,对系统的导购质量进行了相关的实验. 相似文献
5.
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
6.
[目的/意义]随着互联网行业的蓬勃发展,电商平台的用户与商品数量均呈现井喷增长。这一趋势在促进互联网经济发展的同时也为用户带来了"信息过载"的问题。电商平台如何从用户的历史行为日志中获取信息,并根据用户当前情境推荐商品,不仅是重要的理论与技术课题,同时也蕴藏着巨大的商业价值。[方法/过程]文章结合情境感知技术,提出了一种五层推荐系统框架,自底向上分为:感知层、过滤层、排序层、规则层和应用层。同时,利用淘宝APP的购物数据进行了模拟推荐实验,比较了各层次不同设计方式的推荐效果。[结果/结论]研究发现,融入了情境感知技术的推荐系统框架可以显著提高推荐的精确率,但是会削弱召回率。基于此,为电商平台提出了部分建议。 相似文献
7.
随着电子商务的发展,越来越多的人选择网上购物。针对用户尤其是女性用户网上购买服装的个性化需求,提出了基于极速学习机的服装搭配智能推荐系统。该系统根据用户自身的特征(身高、体重、胸围、腰围、臀围和脚码)及用户选择的条件(风格、场合、季节和颜色),利用极速学习机算法,自动为用户推荐个性化的服装搭配方案。实验结果表明,基于极速学习机的服装搭配智能推荐系统能够为用户提供满意的服装搭配方案,具有一定的实用价值。 相似文献
8.
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。 相似文献
9.
10.
11.
12.
13.
随着网络零售商的竞争日趋激烈,能否充分地分析和把握消费者的特点是其提升竞争力的重要前提。消费者的网络购物行为是在虚拟环境下进行的,因此在购买动机上与传统购物行为存在差异。网络零售商特有的、非商品本质的要素影响着消费者的购买决策与购买行为。本文在分析消费者网络购物动机与主要影响因素的基础上,提出了网络零售商的营销对策。 相似文献
14.
15.
数据挖掘技术在客户关系管理中应用广泛,分析客户的需求、行为、风险和成本等,可提高企业的整体经济效益。本文以零售银行为例,阐述银行零售业务客户营销管理中应用数据挖掘的方法,分析客户历史交易记录,挖掘目标客户群的商品购买模式,以进行交叉销售与提升销售,提高客户价值。 相似文献
16.
17.
【目的/意义】提出一种基于向量的在线学习推荐系统架构,通过将访问序列的先后次序作为推荐的重要依
据,将访问记录预处理进行向量表示,在此基础上基于向量利用DBSCAN算法对用户进行协同过滤聚类并实施知
识点推荐。【方法/过程】将用户访问学习资源的日志记录进行解析,并进行预处理以向量的格式表示,在考虑浏览
历史日志的同时,将访问序列的先后次序作为推荐的重要依据,进而基于向量利用DBSCAN算法对用户进行协同
过滤聚类,并实施推荐。【结果/结论】利用用户历史学习记录进行向量表示,充分考虑知识点学习次序,提出了一种
在线学习推荐新方法的尝试,实验结果表明该推荐方法是有效的。 相似文献
18.
19.
20.
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。 相似文献