基于符號數(shù)據(jù)的協(xié)同過濾算法及其在物流中的應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的廣泛普及和迅速發(fā)展，用戶數(shù)量和資源種類不斷增加，網(wǎng)上出現(xiàn)信息過載問題，推薦系統(tǒng)通過獲取用戶行為數(shù)據(jù)可以有效處理信息過載問題。通過觀察記錄用戶行為或評分，推薦系統(tǒng)通過過濾技術(shù)得出推薦結(jié)果。協(xié)同過濾是基于評分相似的最近鄰居的評分?jǐn)?shù)據(jù)向目標(biāo)用戶產(chǎn)生推薦，是目前應(yīng)用最廣泛和最成功的推薦算法，Amazon，CDNow，MovieFinder，都采用了協(xié)同過濾的技術(shù)來提高服務(wù)質(zhì)量。
　　 但由于用戶和資源的數(shù)據(jù)量過大，評價矩

2、陣的稀疏性問題越來越突出，嚴(yán)重影響了推薦系統(tǒng)的推薦質(zhì)量。奇異值分解(SVD)是線性代數(shù)中一種重要的矩陣分解技術(shù)，一種對數(shù)據(jù)進行降維處理的方法。符號數(shù)據(jù)分析(SDA)是一種處理海量數(shù)據(jù)的全新數(shù)據(jù)分析思路，運用“數(shù)據(jù)打包”的思想，在大大減少數(shù)據(jù)量的同時，還能從整體上把握樣本的特性。本文提出一種改進的基于符號數(shù)據(jù)的協(xié)同過濾推薦算法，即將奇異值分解和符號數(shù)據(jù)分析方法結(jié)合起來運用到推薦系統(tǒng)中。并通過實證研究證明該算法住數(shù)據(jù)稀疏時的推薦質(zhì)量明顯優(yōu)于

3、傳統(tǒng)的推薦算法。
　　 隨著改革開放的不斷深入，我國的經(jīng)濟取得了突飛猛進的發(fā)展，加之大量外資企業(yè)涌入中國進行投資、制造業(yè)轉(zhuǎn)移中國以及國家的大力支持等因素，近年來我國的物流業(yè)開始起步并迅速發(fā)展，但與發(fā)達(dá)國家相比，存在著明顯的差距。衡量一個同家物流業(yè)發(fā)展水平的一個重要指標(biāo)是物流成本占GDP的比重，中同物流與采購聯(lián)合會發(fā)布的最新數(shù)據(jù)顯示，2010年中國物流總費用占國內(nèi)生產(chǎn)總值比重約18％左右，而發(fā)達(dá)國家的僅為10％。在物流總成本中，運

4、輸成本占到一半以上。所以要想降低物流總成本，減少運輸成本是關(guān)鍵。
　　 本文旨在研究一種改進的基于符號數(shù)據(jù)分析的協(xié)同過濾推薦算法，并將此算法應(yīng)用到物流運輸領(lǐng)域中。建立一個公用物流運輸信息平臺，內(nèi)含中國現(xiàn)有幾十萬家經(jīng)營運輸業(yè)務(wù)的物流公司的信息，通過分析客戶的要求，客戶行為或評分?jǐn)?shù)據(jù)，利用基于符號數(shù)據(jù)的協(xié)同過濾算法給客戶推薦一些最有可能適臺自己的物流公司。同時通過此信息平臺可實現(xiàn)多企業(yè)協(xié)同運輸，這樣可以大大節(jié)約物流成本，減少物流成本