企業(yè)間大數(shù)據(jù)推薦引流系統(tǒng)研究與設(shè)計(jì).pdf

1、近年來(lái)隨著大數(shù)據(jù)思維在各個(gè)行業(yè)領(lǐng)域的不斷應(yīng)用，數(shù)據(jù)的巨大價(jià)值逐步顯現(xiàn)。各大企業(yè)競(jìng)相構(gòu)建自己的大數(shù)據(jù)平臺(tái)以匯集、挖掘和加工分析數(shù)據(jù)，促進(jìn)業(yè)務(wù)向更科學(xué)、更高效、更智能方向發(fā)展。然而，由于企業(yè)之間業(yè)務(wù)和數(shù)據(jù)差別巨大，如何有效收集存量大數(shù)據(jù)、挖掘大數(shù)據(jù)價(jià)值是一個(gè)有挑戰(zhàn)性的應(yīng)用研究課題。
　　本項(xiàng)目研發(fā)來(lái)源于某集團(tuán)公司實(shí)際應(yīng)用需求，圍繞企業(yè)間大數(shù)據(jù)推薦引流模型與算法設(shè)計(jì)展開應(yīng)用研究。系統(tǒng)在構(gòu)建的大數(shù)據(jù)平臺(tái)基礎(chǔ)上，使用提出的標(biāo)簽分段算法進(jìn)行用

2、戶畫像，使用設(shè)計(jì)的特征標(biāo)簽提取方法進(jìn)行商品目標(biāo)人群畫像，基于畫像數(shù)據(jù)匹配進(jìn)行企業(yè)間客戶與商品的相互推薦。
　　本文的主要研究?jī)?nèi)容有:
　　(1)在k-means聚類算法的基礎(chǔ)上，提出了一種粗略分段與精細(xì)分段相結(jié)合的標(biāo)簽分段算法RR-SEG。該算法對(duì)數(shù)據(jù)排序后進(jìn)行分組計(jì)數(shù)，根據(jù)每段平均數(shù)量來(lái)順序計(jì)算每段應(yīng)該包含的數(shù)據(jù)邊界，以實(shí)現(xiàn)不同分布數(shù)據(jù)的均勻分段，保證分段結(jié)果的客觀準(zhǔn)確。
　　(2)設(shè)計(jì)了適合特征標(biāo)簽提取的應(yīng)用方法。

3、根據(jù)不同標(biāo)簽值的出現(xiàn)次數(shù)計(jì)算標(biāo)準(zhǔn)差變異系數(shù)，作為標(biāo)簽離散度的衡量指標(biāo)，將變異系數(shù)超過(guò)閥值的標(biāo)簽作為特征標(biāo)簽。特征標(biāo)簽可以準(zhǔn)確地反映出對(duì)商品購(gòu)買影響較大的因素，是分析商品目標(biāo)人群特點(diǎn)的重要方法。
　　(3)設(shè)計(jì)實(shí)現(xiàn)了企業(yè)間推薦引流系統(tǒng)。系統(tǒng)在大數(shù)據(jù)體系架構(gòu)下，基于用戶畫像與商品畫像，將其它企業(yè)的用戶標(biāo)簽與目標(biāo)企業(yè)的商品目標(biāo)人群標(biāo)簽進(jìn)行匹配，將匹配的用戶推薦給目標(biāo)企業(yè)，實(shí)現(xiàn)企業(yè)間用戶與商品的相互推薦。
　　從總體上看，本文構(gòu)建的