基于K-means與復雜網(wǎng)絡的商品推薦.pdf

1、隨著數(shù)據(jù)采集技術,存儲技術的迅速發(fā)展以及互聯(lián)網(wǎng)技術在全球范圍內的普及,各種類型的海量數(shù)據(jù)層出不窮。面對這些海量的數(shù)據(jù),如何找出隱藏在其中的,對人們有用的信息,已成為當今信息領域一個亟待解決的問題。推薦系統(tǒng)采用知識發(fā)現(xiàn)技術,提供個性化建議,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)成功地應用于電子商務,圖書推薦,電影推薦和視頻推薦等領域。
　　盡管近年來推薦系統(tǒng)在理論和實際應用中都得到了快速的發(fā)展,但同時也存在

2、著一些的問題。隨著用戶數(shù)量的激增,系統(tǒng)規(guī)模的不斷擴大,推薦系統(tǒng)在冷啟動、推薦質量及實時性等方面存在難以克服的問題。針對這些問題,本文對推薦系統(tǒng)中的核心問題之——推薦算法,進行了有益的探索和研究,主要研究內容如下:
　　(1)針對傳統(tǒng)推薦系統(tǒng)中三元組信息丟失導致的推薦質量較差問題,本文直接采用兩個三部圖加權,使得網(wǎng)絡有了二次擴散,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