發(fā)布時間：2025-01-17 20:21

　　在互聯(lián)網(wǎng)行業(yè)的飛速發(fā)展背景下,電子商務(wù)規(guī)模的擴大使得越來越多廠商順應(yīng)時代的召喚加入了電子商務(wù)行業(yè),無形中增加了用戶合理選取商品的難度。電商平臺一般運用推薦算法為用戶或商家完成推薦服務(wù),但是傳統(tǒng)的推薦算法在解決推薦系統(tǒng)冷啟動和用戶興趣轉(zhuǎn)移問題中效果不佳。運用用戶行為數(shù)據(jù)評估用戶興趣是解決這類問題的有效方法,然而大多算法只涉及到用戶的瀏覽數(shù)據(jù),不能夠準(zhǔn)確把握用戶的實時興趣,對于用戶的興趣度量不夠準(zhǔn)確,從而造成推薦系統(tǒng)準(zhǔn)確率低下等問題。本文是在傳統(tǒng)個性化推薦算法的基礎(chǔ)上,針對度量用戶興趣變化的準(zhǔn)確率不高等問題,運用用戶多種行為數(shù)據(jù)分析,完成對商品潛在客戶的預(yù)測。主要做了如下工作:首先,分析個性化推薦算法研究現(xiàn)狀,針對目前個性化推薦算法仍存在的冷啟動性、用戶興趣轉(zhuǎn)移等造成的推薦準(zhǔn)確較低問題,獲取反映用戶興趣的主要數(shù)據(jù)指標(biāo)。根據(jù)獲取包含商品編號、屬性、所屬品牌的商品數(shù)據(jù)和包含用戶編號、用戶交互的商品編號、交互行為和購買指標(biāo)等方面信息的用戶行為數(shù)據(jù),設(shè)計包含商品屬性、類別和活躍度三大數(shù)據(jù)指標(biāo)的商品模型及用戶模型,并進一步運用主成分分析對算法設(shè)計的合理性進行了驗證。然后,考慮用戶行為數(shù)據(jù)的不同設(shè)置用戶...

【文章頁數(shù)】：50 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1天貓雙十一當(dāng)天歷年銷售額豐富的網(wǎng)絡(luò)商品與龐大的用戶群體，造就了科技發(fā)展的大數(shù)據(jù)時代的到來，每天都

基于用戶行為的商品潛在客戶挖掘與精準(zhǔn)推薦11緒論1.1研究背景及意義21世紀(jì)以來，我國科學(xué)技術(shù)、經(jīng)濟教育等全面發(fā)展，科技發(fā)展的成果更加融入人們的生活，與傳統(tǒng)以自給自足為代表的生活方式形成區(qū)別�，F(xiàn)代生活中，人們工作強度日益加強，時間意識與工作效率成為人們關(guān)注和追求的重要部分�；ヂ�(lián)網(wǎng)....

圖1-2結(jié)構(gòu)設(shè)計圖

基于用戶行為的商品潛在客戶挖掘與精準(zhǔn)推薦71.3.2本文組織結(jié)構(gòu)本文主要介紹了基于行為數(shù)據(jù)的商品潛在客戶的推薦算法研究及實現(xiàn)內(nèi)容，大致分為四個部分。第一部分闡述了運用用戶行為數(shù)據(jù)的推薦算法的研究背景及意義、國內(nèi)外研究現(xiàn)狀及評述和文章創(chuàng)新及組織結(jié)構(gòu)，即為本文的第一章。第二部分是文章....

圖2-1KNN算法流程圖

河北經(jīng)貿(mào)大學(xué)碩士學(xué)位論文12圖2-1KNN算法流程圖2.2.2邏輯回歸算法邏輯回歸算法（LogisticRegression）是一種廣義線性回歸分析模型，一般用于數(shù)據(jù)挖掘、預(yù)測分析等領(lǐng)域。雖然帶有回歸字樣，但是其屬于分類算法，區(qū)別于KNN的多分類傾向，邏輯回歸一般傾向于進行二分類....

圖4-1碎石圖

河北經(jīng)貿(mào)大學(xué)碩士學(xué)位論文24表4-3主成分分析表（續(xù)）成分初始特征值提取平方和載入合計方差%累積%合計方差%累積%10.1541.39898.92111.1191.07910.000圖4-1碎石圖根據(jù)結(jié)果可以看出，將影響因素匯總為四個主要成分，能夠合計解釋78.500%的方差。以....

本文編號：4028454