基于大數(shù)據(jù)的廣告推薦方法研究及應(yīng)用.pdf

1、互聯(lián)網(wǎng)像星星之火一樣飛速發(fā)展，用戶以及其產(chǎn)生的信息呈爆炸式增長。而今，利用電子商務(wù)平臺購物也越來越普通，逐漸也成為人們購物方式重要選擇之一。但是網(wǎng)絡(luò)購物方式為人們提供快捷服務(wù)的同時，我們不得不面對過多的商品信息。這些充斥人們眼前的過載信息成為困擾網(wǎng)站和用戶的共同問題，推薦系統(tǒng)在這種情況下應(yīng)運而生。在大量數(shù)據(jù)中，挖掘?qū)τ脩粲幸饬x的數(shù)據(jù)，提取數(shù)據(jù)源，在分析用戶行為信息和商品信息之間的關(guān)系，建立相似矩陣，在海量數(shù)據(jù)里推薦出用戶感興趣的商品列表

2、。推薦系統(tǒng)的核心在于推薦算法，如何優(yōu)化推薦算法，使得推薦能夠高效準確是推薦系統(tǒng)主要關(guān)注問題。
　　本文首先介紹了互聯(lián)網(wǎng)下產(chǎn)生海量數(shù)據(jù)的來源和數(shù)據(jù)的主要存儲位置，又描述了典型數(shù)據(jù)處理技術(shù)以及進行數(shù)據(jù)挖掘的主要方法。接著闡述了推薦算法發(fā)展過程、研究背景，分析了流行的幾種推薦算法，為后文研究提供理論依據(jù)。
　　隨后在重點分析基于物品的協(xié)同過濾算法，考慮到在一段時間內(nèi)用戶產(chǎn)生的行為不同，時間點越接近越能反映用戶的喜好特點，在短時間內(nèi)