探析基于web数据挖掘的智能推荐研究

《探析基于web数据挖掘的智能推荐研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号UDC密级编号中南大学CENTRALSOUTHUNIVERSITY硕士学位论文论文题目～基王．曼鲤．数据挖掘胸簧熊推荐研究⋯学科、专业⋯⋯⋯熏通信息工程及控制⋯⋯⋯⋯．研究生姓名⋯⋯⋯．．古丽茬天^．卡米尔⋯⋯⋯⋯⋯．导师⋯⋯⋯⋯那跷衡⋯景IJ．教授⋯⋯⋯⋯⋯ResearchonIntelligentRecommendationBasedonWebDataMiningSpecialty=InformationandCommunicationEngineering．．．MasterDegreeCandidate．Gul

2、ibaitian．KamierSupervisor=AssociateProf．DengXiaoheng．．．SchoolofInformationScience＆EngineeringCentralSouthUniversityChangShaHunanP．R．C原创性声明本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本

3、研究所作的贡献均已在论文中作了明确的说明。作者签名：吃砀器孟：迭黼＼日期：赵f垒年』月毕日学位论文版权使用授权书本人了解中南大学有关保留、使用学位论文的规定，即：学校有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》，并通过网络向社会公众提供信息服务。作者签名槲撬签名喇旱期：地年j月4日摘要互联网上的Web站点包含海量信息具有复杂的结构

4、，很多站点往往使用个性化推荐系统来协助我们的用户方便快捷地找到所需信息，培养用户忠诚度。个性化推荐系统在当代信息社会具有巨大的现实需求，是信息服务发展的必然趋势。Web数据挖掘技术在面对处理海量数据和稀疏数据上有着先天的优势，所以在个性化推荐系统中Web数据挖掘技术得到了越来越广泛的研究和应用。本文介绍了基于Web数据挖掘的个性化推荐系统中的相关概念、分析其相关运用技术。面向电子商务应用，本文提出了一个推荐系统的模型，详细探讨了数据预处理的各个步骤，分析了各步骤的目的、方法，并给出了每步的算法实现。着重研究基于用户的协同过

5、滤与基于项目的协同过滤算法，并分析两者的优缺点及其互补性，在此基础上改进并实现了基于用户和项目协同过滤推荐算法。在此基础上，为了验证基于用户和项目的协同过滤推荐算法的效果，我们以协同过滤领域的著名数据库MovieLens作为实验数据库，利用基于用户和项目推荐算法进行了分析处理。实验结果表明本文提出的基于用户和项目推荐算法在算法理论研究和实验结果方面都有一定的成绩，是个性化推荐研究中的成功的尝试。最后，实现了中南大学图书馆图书推荐系统原型。未来拟通过将本推荐系统与其他类似的推荐系统在性能指标上进行全面比较，进一步分析与评估推

6、荐系统的性能，研究提高系统的综合性能的方法。关键词Web数据挖掘，个性化推荐，推荐系统ABSTRACTInternetWebsitewhichcontainsmassiveinformationhasacomplexstructure．Manysitesoftenusethepersonalizedrecommendationsystemtohelpourusersquicklyandeasilyfindtheinformationtheyneedtocultivatecustomerloyalty．Inmodeminfo

7、rmationsociety，personalizedrecommendationsystemcaterstothegreatdemandforinformationservicesandalsoisaninevitabletrendofdevelopment．Webdataminingtechnologyhasitsinnateadvantageswhenfacingmassivedataandsparsedataprocessing，SOWebdataminingtechnologyhasbeenmorewidelys

8、tudiedandappliedinpersonalizedrecommendationsystem．Thisarticledescribestheconceptsinpersonalizedrecommendationsystemwhichbasedonw．ebdataminingtechnology