搜索引擎-基于协同过滤的门户网站个性化推荐引擎构建研究.pdf

基于协同过滤的门户网站个性化推荐引擎构建研究 本文主要介绍了基于协同过滤的门户网站个性化推荐引擎构建的研究成果。研究的背景是互联网信息过载时代，传统门户网站存在着用户获取信息效率低和获取信息同质化的两大问题。为了解决这两个问题，本文提出了应用推荐引擎开展个性化信息推荐的解决思路，并对推荐系统的相关基本理论、机器学习方法及其研究现状进行了介绍。 本文首先对传统门户网站的模式进行了分析，指出传统门户网站存在着用户获取信息效率低和获取信息同质化的两个问题。然后，提出了应用推荐引擎开展个性化信息推荐的解决思路，并对推荐系统的相关基本理论、机器学习方法及其研究现状进行了介绍。 在个性化信息推荐的相关概念方面，本文对推荐系统在电子商务、互联网广告、本地化生活服务三个互联网热点领域的应用场景进行了归纳，并重点描述了基于协同过滤原理的个性化信息推荐流程。 在zcsl.cc网站商业模式成功的关键方面，本文指出提高转化率是zcsl.cc网站商业模式成功的关键，并围绕zcsl.cc网站商业模式的核心点，提出了个性化推荐引擎构建的三个主要问题：用户兴趣爱好归纳存在的问题，网站内容同质化存在的问题，个性化推荐内容准确度的问题。 为了解决这三个问题，本文研究了个性化推荐引擎解决上述三个问题的原理，并给出了具体方法：应用聚类技术创建代表用户，应用关联分析归集代表用户的兴趣项集合，应用协同过滤算法计算在线用户相邻代表用户感兴趣的内容并给出推荐结果。 本文结合R软件，以zcsl.cc网站的用户访问行为日志数据作为实验的数据，进行聚类、关联分析、协同过滤实验计摘要，并给出了解决问题的步骤并对计算结果进行了验证。 本文引入代表用户的概念，应用机器学习方法创建代表用户、归集代表用户的兴趣项、计算在线用户相邻代表用户感兴趣的内容、结合兴趣内容广度与用户兴趣度的T字型平衡，将个性化信息推荐结果给到在线用户，构建了基于协同过滤的门户网站个性化推荐引擎，具有一定的创新性。 本文对基于协同过滤的门户网站个性化推荐引擎构建的研究成果进行了总结，提出了基于协同过滤的个性化推荐引擎构建的思路和方法，具有较高的实践价值和参考价值。