个性化推荐系统在电子商务中的应用研究

论文摘要

在互联网技术飞速发展的时代背景下,互联网交易数据呈几何倍数的扩张,随之带来了信息过载的问题。个性化推荐系统的出现则很好地帮助解决了这一难题。通过个性化推荐系统,人们可以更快速精准地定位用户个体兴趣爱好与产品之间的关联,实现消费者与生产者的双赢。然而在实际应用过程中,个性化推荐系统仍然面临着诸多挑战,如长期样本数据量的多少、电子商务平台的成熟度不同、推荐系统所采用的算法差异等。本文将讨论推荐系统在电子商务网站中的应用,并在此过程中,对推荐系统领域内基于用户行为数据分析的算法进行深入的研究和归纳,以期使其更好地应用于电子商务领域中。

论文目录

• 一、推荐系统的意义
•   （一）推荐系统的含义
•   （二）推荐系统的作用
• 二、推荐系统是如何与其他网站进行接口的
• 三、基于用户行为数据分析的推荐算法
•   （一）基于用户行为的推荐算法
•   （二）基于领域的算法
•     1. 基于用户协同过滤算法（User CF算法）
•     2. 基于物品的协同过滤算法（Item CF算法）
•     3. User CF算法和Item CF算法的比较
• 四、推荐技术在电子商务中的应用
•   （一）推荐系统在亚马逊中的应用
•   （二）推荐系统中算法的选择

文章来源

类型: 期刊论文

作者: 颜颖

关键词: 推荐系统,个性化,电子商务,大数据

来源: 太原城市职业技术学院学报 2019年11期

年度: 2019

分类: 社会科学Ⅱ辑,信息科技,经济与管理科学

专业: 计算机软件及计算机应用,贸易经济

单位: 义乌工商职业技术学院创业学院

基金: 义乌工商职业技术学院2019年校级课题“个性化推荐系统在电子商务中的应用研究”(项目编号：2019CY012)

分类号: F713.36;TP391.3

DOI: 10.16227/j.cnki.tycs.2019.0794

页码: 35-37

总页数: 3

文件大小: 1756K

下载量: 323