基于用户的协同过滤推荐算法--开题报告.pdf
版权申诉
5星 · 超过95%的资源 20 浏览量
2022-05-30
21:35:19
上传
评论 1
收藏 323KB PDF 举报 
毕业设计开题报告
题 目 基于用户的协同过滤推荐算法在电子商务中的应用研究
学生姓名
专 业
信息管理与信息系统 班 级
一、研究背景及意义
随着网络的普及，网络资源不断丰富，网络信息量不断膨胀。用户要在众多的选择中挑
选出自己真正需要的信息好比大海捞针，出现了所谓的“信息过载”的现象。信息过载是指的
是社会信息超过了个人或系统所能接受、处理或有效利用的范围，并导致故障的状况。
个性化推荐系统的出现是为了解决信息过载的问题，帮助消费者在浩如烟海的产品中找到自
己需要的产品，为消费者提供个性化的购物体验
[1]
。个性化推荐系统日益受到用户的青睐，
也受到越来越多的学者和电子商务网站的关注
[2]
。
个性化推荐可以作为网络营销的一种手段，能为电子商务网站带来巨大的利益。个性化
推荐的目标是根据具有相似偏好的用户的观点向目标用户推荐新的商品
[3]
。好的个性化推荐系
统能够发掘用户喜欢的商品，并推荐给用户。可想而知，对于用户而言，如果打开网站的链
接并登陆，就能找到自己喜欢的商品，那会省下很多翻看网页的时间和精力，而这样的网站，
一定会受到用户的青睐。一个好的个性化推荐系统可以为用户提供便利，继而，使用户与网
站之间有更好的粘合度，提高电子商务网站的市场竞争能力。
在众多的个性化推荐算法中，协同过滤被广泛应用，也是最成功的推荐算法
[3]
。本课题旨
在研究基于用户的协同过滤推荐算法在电子商务个性化商品推荐中的应用。
二、国内外研究现状
1．个性化推荐技术的简介
个性化推荐(personalized recommendation)技术通过研究不同用户的兴趣，主动为用户推荐
最需要的资源，从而更好地解决互联网信息日益庞大与用户需求之间的矛盾。目前，推荐技
术被广泛应用到电子商务、数字图书馆、新闻网站等系统中
[4]
。因此，各种适用于推荐系统的
技术应运而生，如协同过滤技(CF)、bayesian 网技术、聚类分析技术、关联规则技术、神经网
络技术和图模型技术等
[5]
，其中，协同过滤是应用最为广泛的个性化推荐技术
[6]
。协同过滤推
荐又分为基于模型(Model-based)的协同过滤和基于用户的协同过滤。后来，sarwr 教授在 2001
年提出基于项目的协同过滤算法
[7]
。
2．基于用户的协同过滤算法的基本思想
其基本思想是：通过计算用户对项目评分之间的相似性，搜索目标用户的最近邻居，然
后根据最近邻居的评分向目标用户产生推荐
[8]
。
典型的协同过滤算法是基于用户的。协同过滤推荐算法的实现过程分为3 步： 建立用户
资源评论
x100952024-01-06简直是宝藏资源，实用价值很高，支持！
weixin_523272472024-04-27资源内容详细，总结地很全面，与描述的内容一致，对我启发很大，学习了。- m0_748127422023-11-09支持这个资源，内容详细，主要是能解决当下的问题，感谢大佬分享~
- m0_640175502022-12-01非常有用的资源，可以直接使用，对我很有用，果断支持！
