基于K-means與復(fù)雜網(wǎng)絡(luò)的商品推薦.pdf

1、隨著數(shù)據(jù)采集技術(shù),存儲(chǔ)技術(shù)的迅速發(fā)展以及互聯(lián)網(wǎng)技術(shù)在全球范圍內(nèi)的普及,各種類型的海量數(shù)據(jù)層出不窮。面對(duì)這些海量的數(shù)據(jù),如何找出隱藏在其中的,對(duì)人們有用的信息,已成為當(dāng)今信息領(lǐng)域一個(gè)亟待解決的問題。推薦系統(tǒng)采用知識(shí)發(fā)現(xiàn)技術(shù),提供個(gè)性化建議,是用來篩選出過載信息的最有效的方法之一。到目前為止,推薦系統(tǒng)已經(jīng)成功地應(yīng)用于電子商務(wù),圖書推薦,電影推薦和視頻推薦等領(lǐng)域。
　　盡管近年來推薦系統(tǒng)在理論和實(shí)際應(yīng)用中都得到了快速的發(fā)展,但同時(shí)也存在

2、著一些的問題。隨著用戶數(shù)量的激增,系統(tǒng)規(guī)模的不斷擴(kuò)大,推薦系統(tǒng)在冷啟動(dòng)、推薦質(zhì)量及實(shí)時(shí)性等方面存在難以克服的問題。針對(duì)這些問題,本文對(duì)推薦系統(tǒng)中的核心問題之——推薦算法,進(jìn)行了有益的探索和研究,主要研究?jī)?nèi)容如下:
　　(1)針對(duì)傳統(tǒng)推薦系統(tǒng)中三元組信息丟失導(dǎo)致的推薦質(zhì)量較差問題,本文直接采用兩個(gè)三部圖加權(quán),使得網(wǎng)絡(luò)有了二次擴(kuò)散,提出了一種新的基于三部圖策略的推薦算法。
　　(2)提出了一種基于N部圖的推薦算法,并給出了理論推