易制毒化学品供应商推荐系统的设计与实现
这是一篇关于个性化推荐系统,RFM模型,协同过滤,相关度计算的论文, 主要内容为互联网技术的迅速发展提升了人们可获取信息数量,降低了信息获取成本,但信息过载问题也随之凸显。易制毒化学品行业因其特殊性,造成了商家基本信息易获取但业内用户难以选择合适商家作为供应商的现状。本文着重研究个性化推荐技术及其实际应用,开发面向易制毒化学品行业用户的个性化供应商推荐系统。依托于河北斯博思创新科技有限公司的易制毒化学品大数据智能分析平台,针对易制毒化学品购销业务数据,本文提出并实现了基于RFC模型与商品属性的协同过滤算法与基于用户特征的推荐算法,最终完成了易制毒化学品供应商推荐系统的设计与开发工作。本文工作与创新点如下:(1)面向数据源中拥有购销数据的用户,提出了基于RFC模型与商品属性的推荐算法。针对当前购销数据中不包含消费金额,而用户购买行为源于用户对某种化学品的实际需要的现状,该算法采用了一种通过改进的RFM模型获取用户对商品综合评价的方式,解决了用户隐性反馈难以评价的问题;通过用户对商品的评价获取用户对供应商的偏好,解决了供应商评价不明确的矛盾;采用基于项目的协同过滤策略,降低海量用户对推荐效率产生的影响。(2)面向数据源中无购销数据的用户,提出了基于用户特征的推荐算法。该算法基于购销记录挖掘用户特征与用户购买行为的关系,获取用户潜在偏好,实现了面向无反馈用户的个性化推荐,解决了推荐系统用户冷启动问题。(3)在需求分析、个性化推荐技术研究基础上,进行易制毒化学品供应商推荐系统的总体架构设计、功能模块设计以及数据库设计。基于Oracle数据库、Java技术、Bootstrap与jQuery框架、ECharts可视化库,最终实现了易制毒化学品供应商推荐系统。
易制毒化学品供应商推荐系统的设计与实现
这是一篇关于个性化推荐系统,RFM模型,协同过滤,相关度计算的论文, 主要内容为互联网技术的迅速发展提升了人们可获取信息数量,降低了信息获取成本,但信息过载问题也随之凸显。易制毒化学品行业因其特殊性,造成了商家基本信息易获取但业内用户难以选择合适商家作为供应商的现状。本文着重研究个性化推荐技术及其实际应用,开发面向易制毒化学品行业用户的个性化供应商推荐系统。依托于河北斯博思创新科技有限公司的易制毒化学品大数据智能分析平台,针对易制毒化学品购销业务数据,本文提出并实现了基于RFC模型与商品属性的协同过滤算法与基于用户特征的推荐算法,最终完成了易制毒化学品供应商推荐系统的设计与开发工作。本文工作与创新点如下:(1)面向数据源中拥有购销数据的用户,提出了基于RFC模型与商品属性的推荐算法。针对当前购销数据中不包含消费金额,而用户购买行为源于用户对某种化学品的实际需要的现状,该算法采用了一种通过改进的RFM模型获取用户对商品综合评价的方式,解决了用户隐性反馈难以评价的问题;通过用户对商品的评价获取用户对供应商的偏好,解决了供应商评价不明确的矛盾;采用基于项目的协同过滤策略,降低海量用户对推荐效率产生的影响。(2)面向数据源中无购销数据的用户,提出了基于用户特征的推荐算法。该算法基于购销记录挖掘用户特征与用户购买行为的关系,获取用户潜在偏好,实现了面向无反馈用户的个性化推荐,解决了推荐系统用户冷启动问题。(3)在需求分析、个性化推荐技术研究基础上,进行易制毒化学品供应商推荐系统的总体架构设计、功能模块设计以及数据库设计。基于Oracle数据库、Java技术、Bootstrap与jQuery框架、ECharts可视化库,最终实现了易制毒化学品供应商推荐系统。
易制毒化学品供应商推荐系统的设计与实现
这是一篇关于个性化推荐系统,RFM模型,协同过滤,相关度计算的论文, 主要内容为互联网技术的迅速发展提升了人们可获取信息数量,降低了信息获取成本,但信息过载问题也随之凸显。易制毒化学品行业因其特殊性,造成了商家基本信息易获取但业内用户难以选择合适商家作为供应商的现状。本文着重研究个性化推荐技术及其实际应用,开发面向易制毒化学品行业用户的个性化供应商推荐系统。依托于河北斯博思创新科技有限公司的易制毒化学品大数据智能分析平台,针对易制毒化学品购销业务数据,本文提出并实现了基于RFC模型与商品属性的协同过滤算法与基于用户特征的推荐算法,最终完成了易制毒化学品供应商推荐系统的设计与开发工作。本文工作与创新点如下:(1)面向数据源中拥有购销数据的用户,提出了基于RFC模型与商品属性的推荐算法。针对当前购销数据中不包含消费金额,而用户购买行为源于用户对某种化学品的实际需要的现状,该算法采用了一种通过改进的RFM模型获取用户对商品综合评价的方式,解决了用户隐性反馈难以评价的问题;通过用户对商品的评价获取用户对供应商的偏好,解决了供应商评价不明确的矛盾;采用基于项目的协同过滤策略,降低海量用户对推荐效率产生的影响。(2)面向数据源中无购销数据的用户,提出了基于用户特征的推荐算法。该算法基于购销记录挖掘用户特征与用户购买行为的关系,获取用户潜在偏好,实现了面向无反馈用户的个性化推荐,解决了推荐系统用户冷启动问题。(3)在需求分析、个性化推荐技术研究基础上,进行易制毒化学品供应商推荐系统的总体架构设计、功能模块设计以及数据库设计。基于Oracle数据库、Java技术、Bootstrap与jQuery框架、ECharts可视化库,最终实现了易制毒化学品供应商推荐系统。
面向Web挖掘的主题网络爬虫的研究与实现
这是一篇关于Web挖掘,主题网络爬虫,相关度计算,搜索算法,文本分类算法的论文, 主要内容为随着互联网的迅速发展，越来越多的信息资源以网络为媒介呈现在人们面前，而通过搜索引擎获取生活、生产所需的信息资料也开始成为人们掌握资讯的主流方式之一。但是由于Web信息资源的爆炸式增长及其半结构化、实时性、异构性和离散性等的特点，如何对Web资源进行挖掘分析、提取人们需要的特定主题的信息，已经成为一项重要的研究课题。 本文的研究内容是基于企业竞争情报、面向Web挖掘的主题式搜索，在介绍了课题的研究背景和现状之后，着重讨论了Web挖掘和主题搜索引擎的核心技术。具体的研究工作如下： 主题网络爬虫：综合分析了现有搜索引擎的网络搜索算法，改进了相关的搜索策略，提出了一种非贪婪遗传搜索算法。 Web文档分析：本文利用HTML Tidy工具将Web文档转换为其对应的树型结构，然后根据用户的需求利用不同的遍历算法提取相关的信息；爬虫系统对网页的正文内容进行提取和分词之后，采用经过改进的特征项权重计算方法建立文本的特征向量。 主题相关性评价：在利用向量空间模型对网页正文内容进行主题相关性评价的基础上，系统结合超链接的锚文本、自身字符串和它所在的网页对其进行了主题相关性的计算。 在以上研究内容的基础上，设计并实现了基于企业竞争情报的主题网络爬虫系统。
基于Hadoop平台的网络爬虫技术研究
这是一篇关于网络爬虫,Hadoop,主题爬取,相关度计算,链接去重,布隆过滤器的论文, 主要内容为互联网的飞速发展带来了互联网内容信息的爆炸式增长,同时如此高的信息数量级也给从其中获取自己所需要的信息带来了巨大挑战。面对如此巨大的信息检索以及用户的个性化检索需求,如何提高网络信息搜索的效率与准确率成为一个急需解决的关键问题,在网络信息搜索技术中,网络爬虫技术是其重要的组成部分。在依靠单个计算机难以完成如此庞大的任务的背景下,使用Hadoop云平台实现分布式计算与存储,在Hadoop平台上运行改进后的网络爬虫技术以达到高效、准确地抓取信息。基于Hadoop云平台和网路爬虫技术的深入研究,发现现有主题爬取算法的不足并对其进行改进,提出优化特征词提取、基于语义树改进相关度计算、基于权重优化链接排序的主题爬取算法,并在云平台上进行MapReduce处理,提高主题爬取算法的效率与准确率。针对链接去重,提出了一种基于布隆过滤器改进的链接去重算法,在优化布隆过滤器的存储结构上,基于属性对链接分层,形成分层布隆过滤器树对链接进行快速准确去重,在云平台上进行处理,改进算法性能和时空间效率,最终得到更有效、更精准的链接去重算法。在研究Hadoop网络爬虫系统原理的基础上构建系统,并详细设计实现系统的网页下载模块、网页文档解析模块、链接处理模块,将所提出的改进算法应用在关键功能模块的实现中。在构建系统的基础上,实验验证所提出的改进算法,结果表明其在算法性能和效率提高方面可行有效。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设海岸 ，原文地址：https://m.bishedaima.com/lunwen/53767.html
