共查询到10条相似文献,搜索用时 31 毫秒
1.
随着电子商务的迅速发展,越来越多的顾客选择网上购物,如何让用户在海量信息中快速而准确地找到合适的产品,做出购买决定是一件很难的事情。个性化推荐技术能够较好的解决此问题,它通过分析顾客相关信息,向用户推荐感兴趣的产品,以便做出最后的决策。本文分析国内外个性化推荐技术研究现状,着重介绍协同过滤推荐技术存在的冷开始、数据稀疏性、伸缩性、“托”攻击等问题。为了改进传统协同过滤技术,结合典型的信任评估模型,提出了本文的观点。并介绍此推荐技术的两种算法,即用户单一兴趣下基于信任机制的电子商务个性化推荐算法和用户多兴趣下基于信任机制的电子商务个性化推荐算法。 相似文献
2.
借助于电子商务网站虽然能够给用户们提供比较多的产品以及服务,但是也让用户们寻求符合自身需求的产品信息难度得到了一定程度的提升,为了使得企业自身的市场竞争能力得到提升,也就需要构建一个基于大数据的电子商务个性化信息推荐服务模式,来为用户们提供更加优质的信息服务. 相似文献
3.
浅析电子商务中关联推荐算法的应用 总被引:2,自引:0,他引:2
如今这个时代可以称作大数据时代,任何行业都需要依靠网络以及数据,其中电子商务更是离不开数据.关联推荐算法则是电子商务系统中近几年来常用的数据挖掘方法.本文将了解关联规则相关概念,探讨关联推荐算法在电子商务中的应用. 相似文献
4.
信息时代下,电子商务和移动互联网飞快发展,淘宝、天猫、京东、唯品会等网络购物平台纷纷崛起,满足了人们线上购物的需要。现如今,网络购物已经成为人们日常生活中不可或缺的部分,在为人们提供便捷服务的同时,也极大的促进了经济增长。商品推荐系统是立足于大数据分析基础上实现的,根据用户的喜好倾向进行智能推荐,在提升产品销售量同时,促使用户体验大幅度提升。基于知识图谱的商品推荐系统,可以发挥知识图谱辅助信息优势,收集相关信息数据,提供辅助信息来源,促使商品推荐系统更加精准、可靠。文章就此展开分析,在了解知识图谱基础上,进一步优化商品推荐系统。 相似文献
5.
互联网上数据传播量日益增加,但信息使用率却很低,消耗用户大量精力,针对这个问题,提出一种基于Spark平台的电子商务个性化信息推荐方法。Spark平台通过弹性分布式内存数据集,可将中间计算结果直接保存至内存中,建立用户喜好模型;使用评分机制计算不同个体偏好商品,形成推荐列表;引入挖掘隐含信息的矩阵分解算法,将未知参数转化为已知量,提高个性化信息推荐精准度。仿真对比实验,从用户满意度、信息熵值和运行速度三个角度,验证了所提方法可以实现优质且高效的电子商务个性化信息推荐工作。 相似文献
6.
7.
《信息通信技术》2016,(6)
近年来,个性化推荐系统作为电子商务技术的一项重要研究内容,有效地解决了信息过载的问题,为用户提供了精准的个性化推荐服务并为厂商带来了更高的收益。但与此同时,随着数据规模的增大、用户信息数据重要性的提升,推荐系统安全问题开始受到广泛关注。个性化推荐系统如何保证用户数据安全,即使在恶意数据的干扰下仍能保证推荐系统的准确可靠亟待解决。文章就此,分析国内外的研究情况,首先介绍个性化推荐系统及其信任度的概念,明确了用户隐私数据安全对推荐系统的重要性;接着,介绍了常见的用户隐私数据保护策略;最后对推荐系统托攻击与其攻击检测算法进行归纳总结,并提出可供参考的解决方法。 相似文献
8.
随着现代电子商务的不断发展,如何在琳琅满目的商品中给客户推荐针对性的商品,从而提高商品成交率成为当前的思考的重点。本文结合当前的大数据技术,提出一种基于数据挖掘的电子商务推荐系统,并对其实现进行了详细的探讨,从而为当前电子商务的发展提供参考。 相似文献
9.
10.
《电子技术与软件工程》2016,(19)
电子商务的发展逐渐成熟,提供了高效率的电子商务运作体系。近几年,电子商务在大数据环境云计算的影响下,加强了基础稳定性,确保电子商务的发展速度得到很大程度的提升。大数据环境云计算,逐渐成为电子商务的核心,推动了电子商务的发展。本文主要探讨大数据环境下云计算对电子商务的影响。 相似文献