个性化推荐系统中Web使用挖掘技术的研究

Web挖掘技术在处理海量数据和稀疏数据上有着先天的优势,所以在推荐系统中Web挖掘技术得到了越来越广泛的研究和应用.文章从web挖掘的概念着手,介绍几种个性化推荐技术,并指出了推荐系统未来的研究热点和发展方向.     

基于Web数据挖掘的电子商务网站个性化服务的研究

本文在阐述Web数据挖掘技术的定义和过程基础上,把Web数据挖掘应用到电子商务网站个性化推荐服务系统中,形成了基于Web数据挖掘的个性化服务电子商务网站模型,并对数据挖掘技术在个性化服务不同层面的应用进行分析。     

基于web的数据挖掘技术的应用研究

本论文首先阐述了web内容挖掘、Web结构挖掘和Web使用记录挖掘基础知识,接着针对web挖掘技术在网站上的应用做了网页推荐分析研究,结合用户存取时间、目标网页、偏好度(Pref.)及停留时间等数据作为推荐网页参考因素。通过对相关数据的辅助分析及比较浏览序列长度的方法,网站管理者可以轻易做到推荐用户最佳浏览网页。     

基于用户聚类的电子商务个性化推荐系统研究

从Web服务器日志文件和客户交易数据中挖掘有意义的用户访问模式和潜在的客户群,有助于企业提供个性化信息服务和开展有针对性的电子商务活动。本文基于Web挖掘的聚类技术,提出了一种电子商务中个性化推荐系统的具体实现方案。     

面向Web的数据挖掘技术

随着Internet的发展,Web数据挖掘有着越来越广泛的应用,Web数据挖掘是数据挖掘技术在Web信息集合上的应用。文章阐述了Web数据挖掘的定义、特点和分类,并对Web数据挖掘中使用的技术及应用前景进行了探讨。     

基于Web日志挖掘中的数据预处理

Web日志挖掘是Web数据挖掘研究领域中一个最重要的应用方面,数据预处理是Web日志挖掘中的关键技术之一。本文概述了Web日志挖掘的概念和基本步骤,重点分析了数据预处理中各个环节的主要任务和实现技术,通过实例详细说明了对Web日志实施数据预处理的过程。     

Web数据挖掘中XML技术的应用研究

随着网络技术的发展,网上的信息资源越来越丰富,怎样对Web上海量的数据信息进行深层次的应用成了当今数据库技术的研究热点。文章针对Web上数据的特点和目前Web数据挖掘存在的挑战,结合XML语言的技术特点,主要探讨了XML技术在Web数据挖掘中的重要应用。     

面向Web的数据挖掘

面向Web的数据挖掘是当今数据挖掘技术研究及应用的热点之一。文章介绍了数据库挖掘技术和Web挖掘技术的相关背景,详细阐述了XML语言的卓越特性及其在Web数据挖掘中的重要应用。     

基于深度学习的推荐系统研究

随着全球信息技术的迅猛发展,信息数据呈现出爆发式增长的趋势,如何从海量的数据中找出有价值的信息,是一个迫切需要解决的问题.推荐系统是解决这一问题的有效途径,而如何把深度学习这项技术融入推荐系统,是目前的研究热点.文章分析了传统的推荐系统存在的问题,提出了相应的解决方法和对策,使系统模型与用户的需求结合更加紧密,用户的满...     

Web数据挖掘探讨

Web数据挖掘是目前信息技术中的研究热点,它是现代科学技术相互渗透与融合的必然结果。介绍了Web数据挖掘的含义,重点讨论了Web数据挖掘的类型以各种类型的Web数据挖掘的基本过程以及它们所使用的一些相关技术,最后指出了网络信息挖掘的应用前景。     

电子商务推荐系统中推荐技术的比较研究

介绍了电子商务推荐系统的基本内涵,对电子商务推荐系统的工作流程进行了初步探讨,并从不同角度对常用的电子商务推荐技术的推荐机理与方法进行了对比研究。     

Recommendation system using feature extraction and pattern recognition in clinical care systems

Medical information systems have been increasingly facilitating and improving the quality of health monitoring, disease-trend modelling and early intervention with evidence-based medical treatment by data mining and feature extraction. Such systems are part of the enterprise information system of the healthcare organisations. We proposed a new algorithm fb-kNN towards recommendation algorithms based on analysis of the patterns of diseases with patterns in human body, which was then implemented in Healthcare 4.0 for the recommendation of diagnosis and treatment. Our developed tool is a complete package solution for the Enterprise Management System (ERP) which shows improvement in healthcare, reducing chronic diseases and mortality rates.     

协同过滤推荐算法综述

推荐系统是电子商务系统中最重要的技术之一,协同过滤推荐技术是目前应用最广泛和最成功的推荐技术。本文首先介绍了协同过滤的基本概念和原理,然后总结了协同过滤推荐算法中的关键问题和相关解决方案,最后介绍了协同过滤推荐算法需要进一步解决的问题和可能的发展方向。     

A PageRank-based reputation model for personalised manufacturing service recommendation

The number of manufacturing services for cross-enterprise business collaborations is increasing rapidly because of the explosive growth of Web service technologies. This trend demands intelligent and robust models to address information overload in order to enable efficient discovery of manufacturing services. In this paper, we present a personalised manufacturing service recommendation approach, which combines a PageRank-based reputation model and a collaborative filtering technique in a unified framework for recommending the right manufacturing services to an active service user for supply chain deployment. The novel aspect of this research is adapting the PageRank algorithm to a network of service-oriented multi-echelon supply chain in order to determine both user reputation and service reputation. In addition, it explores the use of these methods in alleviating data sparsity and cold start problems that hinder traditional collaborative filtering techniques. A case study is conducted to validate the practicality and effectiveness of the proposed approach in recommending the right manufacturing services to active service users.     

我国B2C电子商务个性化商品推荐服务实证研究

优质的个性化推荐系统带来了巨大的经济价值和社会价值的同时,也能提高B2C电子商务在当今激烈的市场竞争环境下的存活能力。在简要介绍电子商务个性化推荐系统模型的基础上,详细分析比较了亚马逊、当当网、天猫三家B2C电子商务个性化商品推荐服务,最后对B2C电子商务推荐系统的进一步发展方向进行了展望。     

个性化推荐系统对移动电子商务消费者购买决策的影响力及其应用策略

移动电子商务为消费者拓宽了对商品的选择空间,同时也诱发了信息过载、搜索负担过重等问题。为了缓解信息过载的压力,提升消费者的满意度,个性化推荐服务应运而生。主要以消费者购买决策为研究对象,分析了个性化推荐技术如何影响购买决策,并探析了个性化推荐系统在移动电子商务中的应用策略。     

Personalised news filtering and recommendation system using Chi-square statistics-based K-nearest neighbour (χ2SB-KNN) model

Recommendation problem has been extensively studied by researchers in the field of data mining, database and information retrieval. This study presents the design and realisation of an automated, personalised news recommendations system based on Chi-square statistics-based K-nearest neighbour (χ²SB-KNN) model. The proposed χ²SB-KNN model has the potential to overcome computational complexity and information overloading problems, reduces runtime and speeds up execution process through the use of critical value of χ² distribution. The proposed recommendation engine can alleviate scalability challenges through combined online pattern discovery and pattern matching for real-time recommendations. This work also showcases the development of a novel method of feature selection referred to as Data Discretisation-Based feature selection method. This is used for selecting the best features for the proposed χ²SB-KNN algorithm at the preprocessing stage of the classification procedures. The implementation of the proposed χ²SB-KNN model is achieved through the use of a developed in-house Java program on an experimental website called OUC newsreaders’ website. Finally, we compared the performance of our system with two baseline methods which are traditional Euclidean distance K-nearest neighbour and Naive Bayesian techniques. The result shows a significant improvement of our method over the baseline methods studied.