基于朴素贝叶斯方法的协同过滤推荐算法

随着电子商务系统用户和商品数目的不断增加,导致整个项目空间上的用户评分数据极端稀疏,严重影响推荐系统的推荐质量。针对这一问题,提出了一种基于朴素贝叶斯方法的协同过滤推荐算法,采用改进的加权朴素贝叶斯方法对没有评分的数据进行预测。通过对未评分数据进行预测,缓解了数据稀疏性,提高了最近邻居项目搜索的准确度。实验结果表明,该算法在一定程度上提高系统的推荐质量。     

短生命周期产品的销量预测模型研究

为了提高短生命周期产品在整个生命周期各个阶段的销量预测能力,在前人研究的基础上,基于模糊理论提出了结合多元线性回归和模糊神经网络的组合预测方法模型.该模型综合考虑了生命周期各阶段的特点,首先对产品的生命周期进行了分析和分段,指出单一方法和传统方法的不足之处.在此基础上针对以上问题设计总体预测方案,不仅可以解决前期历史数据缺乏问题,而且可以解决中后期复杂的非线性预测问题,从而使销量预测模型更通用和更精确.实验结果表明了该模型的有效性.