原创力文档- 1、本文档共14页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
学习报告18/08/2009
报告主要内容网络用户行为分析个性化推荐技术的主要分类协同过滤系统的优势与挑战
网络用户行为分析需要经行分析的原因用户行为的表示形式所需信息的来源
原因信息迷航、信息过载网络用户行为自身的复杂性用户行为表示用户的某一行为具有n个属性：这一用户行为可表示为：属性1，属性2，……，属性n
主要信息：姓名、性别、年龄、教育背景、兴趣爱好等跟踪方式：显式跟踪和隐式跟踪显式跟踪是要求用户对推荐的资源进行反馈和评价隐式跟踪有系统自动完成，又可分为行为跟踪和日志挖掘显式跟踪：查询、浏览页面和文章、标记书签、反馈信息、点击鼠标、拖动滚动条、前进、后退等等日志挖掘：利用web日志获得页面的点击次数、页面停留时间和页面访问顺序等。
个性化推荐技术的主要分类基于规则的技术信息过滤技术
基于规则的推荐技术
信息过滤技术
协同过滤系统的优势与挑战
协同过滤的优点主要的几种协同过滤推荐系统
协同过滤的优点
能够处理非结构化的复杂对象能够推荐给用户新的感兴趣的内容
主要的几种协同过滤推荐系统
基于用户的协同过滤系统基于项目的协同过滤系统基于模型的协同过滤系统
基于用户的协同过滤系统最近邻算法步骤1）计算各用户之间的相似度2）根据用户与活动用户之间的相似度以及所要求的项确定该活动用户的邻居3）该活动用户之间的相似度将邻居的得分的加权值作为活动用户的评分值
协同过滤系统的挑战
精确性问题稀疏性问题冷启动问题可扩展性问题
谢谢！
文档评论（0）