基于关联规则挖掘的电子商务个性化推荐系统研究

分析了个性化推荐系统体系结构,并对其推荐过程进行了详细阐述,最后给出了一个基于关联规则挖掘的电子商务个性化推荐系统的具体实例.     

Web使用挖掘研究

本文首先介绍了Web挖掘的基本概念和分类，通过对Web使用挖掘的分析，从而挖掘出有意义的模式、规则，来帮助管理者决策。     

Web挖掘研究微探

在当今社会,随看电脑的普及和网络的飞速发展,Web挖掘技术也成为一个研究的热点.本文就Web挖掘与相关研究进行了对比,介绍了Web挖掘的概念、Web挖掘的分类及步骤,最后推导出了Web挖掘的研究方向.     

Web挖掘研究微探

在当今社会,随着电脑的普及和网络的飞速发展,Web挖掘技术也成为一个研究的热点.本文就Web挖掘与相关研究进行了对比,介绍了Web挖掘的概念、Web挖掘的分类及步骤,最后推导出了Web挖掘的研究方向.     

基于Web日志挖掘的网页推荐系统的设计

提出了一种基于Web日志挖掘的网页推荐系统。该系统采用Web日志挖掘的方法对用户的访问记录进行分析,挖掘出与用户访问的页面具有一定相关度的页面并推荐给该用户,为用户提供最合适、更具人性化的信息资源。     

基于电子商务的Web挖掘技术研究

Web挖掘是数据挖掘与Web领域相结合的产物.本文首先讨论了Web数据挖掘的基本知识,然后在此基础上深入分析了Web挖掘技术在电子商务领域中的具体应用.     

基于Web的数据挖掘

数据丰富而知识贫乏导致了知识发现和数据挖掘领域的出现。基于Web的数据挖掘,是从Web海量的数据中自动、智能地抽取隐藏于这些数据中的知识,分析了Web挖掘技术的概念、特点、技术等,着重讨论了XML技术与Web挖掘的关系以及Web挖掘中需进一步研究的课题,并介绍了3种比较成熟的Web挖掘产品。     

一种基于协同过滤的Web挖掘推荐方法

针对当前Web挖掘环境下个性化服务的性能不够高效的问题,运用协同过滤技术的理论与方法,研究了一种基于协同过滤的推荐阀值方法,并且提出了一种在线推荐模型。实验表明,在提高Web个性化服务方面,该模型具有更高的效率。     

基于WEB挖掘的SWMS模型的研究与实现

万维网的出现使得计算机拥有了海量的资源,但也困扰着人们获取其中有用信息.W eb挖掘的应用为解决此问题指明了方向.对W eb挖掘的最新技术及发展方向进行了论述,包含W eb挖掘分类,W eb挖掘的特征和两个具体的W eb挖掘算法,最后提出一个具体的W eb挖掘系统SWMS模型.     

基于Web挖掘的个性化网络教学系统的研究

为了使基于Web的网络教学能够真正地实现个性化教学,提出了网络教学要从以网站为中心向以学生为中心转变的观点,介绍了基础Web挖掘的个性化网络教学系统的体系结构,指出了Web挖掘的基本过程和关键技术,并给出了用户兴趣度计算和个性化推荐算法.     

Web使用挖掘技术在电子商务的研究与应用

随着电子商务的深入发展,电子商务企业了解用户的访问模式显得非常重要。文章首先给出Web使用挖掘的定义和完整模型框架,然后对Web使用挖掘中主要步骤的最新研究进展状况做了详细的阐述和分析,其中包括：数据采集、数据预处理、模式发现、模式分析。最后介绍了Web使用挖掘在电子商务中的应用。     

基于web挖掘的个性化远程教学模型研究

提出一种基于web挖掘的个性化远程教学服务系统模型,重点阐述模型结构及功能,并介绍所用到的关键挖掘算法.该系统能充分利用网站上积累的web日记、学生行为及学习成绩记录等信息,通过数据挖掘技术发现用户频繁访问路径、频繁项目集及关联规则模式,自动调整学习者的学习计划和进度,呈现个性化的学习内容,创建自适应教学网站,满足各类学习者需要.     

用户聚类的电子商务推荐系统研究

随着电子商务规模越采越大,协同过滤推荐算法的可扩展性差的问题也越来越受到人们的重视,提出了一种基于用户项目类偏好值矩．阵聚类的合作推荐方法,解决了“冷开始”问题,并且由于只在目标用户所属类别中搜索其最近邻居,减少了搜索空间,有效地提高了推荐系统的实时响应速度．     

基于云计算的电子商务推荐系统研究

通过对云计算系统架构、平台开发、用户行为分析、电子商务应用等方面的研究,提出了一种新型的分布式存储系统,并在此基础上构建了一种新的智能化电子商务个性化推荐系统。该推荐系统有效解决了大型日志数据存储、无法实时推荐、算法伸缩性低等问题,为用户提供动态、实时的个性化服务,实现了商务推荐引擎的个性化和智能化。     

大数据环境下的推荐系统

信息过载是大数据环境下最严重的问题之一,推荐系统作为有效缓解该问题的方法,受到工业界和学术界越来越多的关注. 如何充分利用丰富的用户反馈、社会化网络等信息进一步提高推荐系统的性能和用户满意度,成为大数据环境下推荐系统的主要任务. 首先,对近几年大数据环境下的推荐系统进行了综述,对大数据和推荐系统进行了概述,对推荐系统在传统环境下和大数据环境下的区别进行了辨析;然后,根据层次化的框架对推荐系统关键技术、效用评价以及应用实践等进行了概括、比较和分析;最后,对大数据环境下推荐系统有待深入研究的难点和发展趋势进行了展望.     

基于Web的数据挖掘

万维网的出现使计算机拥有海量的信息资源，而其中蕴含的知识却未能得到充分的应用，为此Web挖掘技术成为一项重要的研究课题．在深入分析Web上数据信息的特点基础上，着重从功能的角度给出一种用于Web数据挖掘的过程框架，并介绍了伴随数据挖掘的进行，相应的数据信息从web数据到知识模式的演进过程．利用这些Wed挖掘技术可有效挖掘信息．     

基于关联规则的智能点餐推荐系统设计

餐饮信息化的快速发展将使用智能推荐系统分析客户的消费偏好,向客户提供更具针对性的点餐意见成为现实。推荐系统的运行既可以帮助客户更加合理地点餐、提升客户满意度,又可以有效提升餐饮企业的销售水平。文章在对基于关联规则的推荐系统进行分析讨论的基础上,提出面向分类预测的增量关联规则算法获取推荐规则,并进行实验验证。最后,在此基础上对点餐推荐系统的结构设计进行了研究。     

基于Web日志挖掘的客户访问兴趣分析

数据预处理是Web日志挖掘中的一项关键技术,如何分析客户访问兴趣是Web挖掘中的一个重要研究课题。概述了Web日志挖掘的概念、方法和步骤,重点分析了数据预处理的主要步骤及其实现技术,考虑客户访问路径和浏览时间长度等因素,给出并计算分析了网站用户的访问兴趣的方法。汽修之家网站日志的实际测试结果表明了该方法的有效性。     

面向大规模定制的个性化推荐研究

分析了面向大规模定制的个性化推荐的特征,并给出了基于关联规则挖掘的个性化推荐模型.模型中的关联规则代表了客户特征与产品属性之间的关系,包括基于全部客户定制历史记录的基本规则和基于特定用户的定制历史记录的个性化规则.针对现有关联规则研究应用的关联规则存在知识冗余,规则数量太多的问题,提出最强关联规则的概念并将其应用于大规模定制的个性化推荐.最后,采用著名的个性化推荐数据库MovieLens数据,给出应用实例,验证了本方法的效果.