基于Web挖掘的電子商務(wù)推薦系統(tǒng)研究.pdf

1、針對(duì)電子商務(wù)推薦系統(tǒng)面臨的主要挑戰(zhàn)，本課題以Web挖掘技術(shù)為基礎(chǔ)，結(jié)合Web使用挖掘、Web內(nèi)容挖掘和Web結(jié)構(gòu)挖掘三個(gè)方面對(duì)電子商務(wù)推薦系統(tǒng)中推薦系統(tǒng)框架結(jié)構(gòu)，推薦算法設(shè)計(jì)以及多推薦模型系統(tǒng)體系結(jié)構(gòu)等方面進(jìn)行探索和研究。
　　具體的研究?jī)?nèi)容如下：
　　1.給出基于Web挖掘的推薦系統(tǒng)框架。傳統(tǒng)的協(xié)同過濾推薦很難為非注冊(cè)用戶提供高質(zhì)量的推薦。針對(duì)上述不足，本課題重點(diǎn)研究基于Web挖掘的推薦系統(tǒng)框架。對(duì)Web使用數(shù)據(jù)、Web內(nèi)

2、容數(shù)據(jù)和Web結(jié)構(gòu)數(shù)據(jù)進(jìn)行聚類分析，推薦引擎根據(jù)挖掘結(jié)果向用戶提供有效的推薦服務(wù)。相對(duì)于傳統(tǒng)協(xié)同過濾推薦技術(shù)而言，基于Web挖掘的推薦系統(tǒng)框架不需要用戶提供主觀的評(píng)價(jià)信息，因此用戶使用起來比較方便。
　　2.設(shè)計(jì)適合本系統(tǒng)使用的新的推薦算法。從Web挖掘的角度，針對(duì)電子商務(wù)推薦系統(tǒng)面臨的實(shí)時(shí)性挑戰(zhàn)，本課題設(shè)計(jì)了新的推薦算法。
　　3.研究支持多推薦模型的電子商務(wù)推薦系統(tǒng)的推薦引擎。目前大部分的電子商務(wù)推薦系統(tǒng)都是一個(gè)單一的工