基于大数据的推荐系统介绍
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
参考资料:
1.基于大数据技术的电子商务个性化推荐系统设计与实现
北京交通大学
专业硕士学位论文
工程领域:软件工程
2.大数据系统和分析技术综述
程学旗, 靳小龙, 王元卓, 郭嘉丰, 张铁赢, 李国杰中国科学院计算技术研究所网络数据科学与技术重点实验室
3. 基于大数据的电子商务个性化信息推荐服务模式研究
吉林大学
作者姓名:胡一
专业名称:情报学
指导教师:张向先教授
4.数据挖掘在电子商务推荐系统中的应用研究
大连交通大学
专业硕士学位论文
研究方向:企业管理信息化
姓名:贺云
5.基于数据挖掘的电子商务推荐系统设计与实现
电子科技大学
专业学位类别:工程硕士
工程领域名称:软件工程
姓名:王世东
指导教师:吴跃教授
6.基于数据挖掘技术的电子商务推荐系统的研究
北京邮电大学
硕士研究生学位论文
专业:信息安全
姓名:徐莉
导师:钮心析
7.基于web数据挖掘商务网站推荐系统的研究
研究方向:人工智能
指导教师:邱玉辉教授
研究生:谢中
8.大数据服务若干关键技术研究
博士研究生学位论文
专业:计算机科学与技术
姓名:韩晶
导师:宋美娜
9.数据挖掘在电子商务旅游线路推荐系统中的应用研究
重庆交通大学
硕士研究生学位论文
管理科学与工程
姓名:吴春阳
10.基于数据挖掘的电子商务推荐系统研究
电子科技大学
博士研究生学位论文
计算机应用技术
姓名:杨帆
11.电子商务个性化推荐系统研究
电子科技大学
硕士学位论文
计算机软件与理论
姓名:雷坤
12.基于数据挖掘的电子商务推荐系统研究
电子科技大学
计算机应用技术
研究生:裴蕾
指导教师:陶树平教授
13.基于个性化推荐的电子商务推荐系统的设计与实现
吉林大学
专业名称:软件工程
作者姓名:单明
指导教师:王喆副教授
14.大数据时代的信息技术处理
作者:冯骞
出版社:信息通讯 2014年08期
15.电子商务推荐系统核心技术研究
学科:管理科学与工程
指导教师:蒋国瑞
16. 电子商务推荐系统关健技术研究
院系(所):信息科学与工程学院
专业:计算机软件与理论
姓名:邓爱林
导师:朱扬勇教授
17.电子商务大数据导购系统设计与实现
作者:谢少群
作者单位:广东财经大学广东省电子商务市场应用技术重点实验室;
18.电子商务系统中的大数据处理
作者:高珍谢玉婧
作者单位:同济大学软件学院;
19.大数据环境下电子商务个性化推荐服务发展动向
作者:王倩钱力
作者单位:中国科学院文献情报中心
20.基于大数据的电子商品个性化推荐方法
作者:朱燕吴锦群
专业:计算机网络技术
目录:
1.大数据
1.1大数据基本概念
1.2大数据特征
1.3大数据处理方式
1.4知识计算对商务推荐系统的启示
1.5社会计算对商务推荐系统的启示
2.电子商务推荐系统
2.1电子商务推荐系统基本概念
2.2电子商务推荐系统研究现状
3.电子商务推荐系统的实现
3.1推荐方法实现
3.2推荐系统关键技术综述
3.3推荐系统目标
4.基于大数据的电子商务推荐系统的实现
4.1电子商务推荐系统分析所需信息
4.2电子商务推荐系统架构
4.3基于大数据的电子商务推荐系统架构
4.4大数据与web的区别(待编写)
5.基础知识
5.1电子商务模式
正文
1.大数据
1.1大数据基本概念
近几年,大数据迅速发展成为科技界和企业界甚至世界各国政府关注的热点数据已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素.人们对于大数据的挖掘和运用,预示着新一波生产力增长和消费盈余浪潮的到来”什么是大数据,迄今并没有公认的定义.从宏观世界角度来讲,大数据是融合物理世界(physical world)、信息空间和人类社会(human society)三元世界的纽带,因为物理世界通过互联网、物联网等技术有了在信息空间(cyberspace)中的大数据反映,而人类社会则借助人机界面、脑机界面、移动互联等手段在信息空间中产生自己的大数据映像.从信息产业角度来讲,大数据还是新一代信息技术产业的强劲推动力.所谓新一代信息技术产业本质上是构建在第三代平台上的信息产业,主要是指大数据、云计算、移动互联网(社交网络)等。
1.2大数据特征
人们将大数据的特征总结为 5 个V,即体量大(volume)、速度快(velocity)、模态多(variety)、难辨识(veracity)和价值大密度低(value).但大数据的主要难点并不在于数据量大,因为通过对计算机系统的扩展可以在一定程度上缓解数据量大带来的挑战.其实,大数据真正难以对付的挑战来自于数据类型多样(variety)、要求及时响应(velocity)和数据的不确定性(veracity).因为数据类型多样使得一个应用往往既要处理结构化数据,同时还要处理文本、