共查询到20条相似文献,搜索用时 46 毫秒
1.
垃圾邮件问题日益严重,受到研完人员的广泛关注.基于内容的过滤是当前解决垃圾邮件问题的主流技术之一.目前基于内容的垃圾邮件过滤主要包括基于规则的方法和基于概率统计的方法.本文综述了目前用于垃圾邮件过滤研究的各种语料和评价方法,并总结了目前使用的垃圾邮件过滤技术,包括决策树、roughset、bayes、knn、svm、winnow等等.实验结果表明:flexiblebayes、svm、winnow方法是目前较好的垃圾邮件过滤方法,它们在评测语料上的结果已经达到很高水平,但是,要走向真正实用化,还有很多的工作要做. 相似文献
2.
垃圾邮件日益泛滥给人们的生活带来了越来越多的扰乱与危害。结合规则过滤技术及改进的朴素贝叶斯分类模型,对垃圾邮件进行识别过滤,最后实验结果表明该策略提高了准确率,具有良好的分类效果。 相似文献
3.
协同过滤推荐技术是推荐系统中最核心的技术之一,也是目前应用最广泛、最成功的技术。在本文中,研究如何将协同过滤推荐技术借鉴过来,并就冷开始问题、稀疏问题和新兴趣发现问题对现有的协同过滤推荐技术进行改进,以达到实现网络教学平台个性化的目的。 相似文献
4.
协同过滤推荐是电子商务推荐系统中应用最成功的技术,很大程度上决定了推荐系统的推荐质量。文章主要介绍了目前应用较广的几种协同过滤推荐技术,并对这几种推荐技术的存在的问题进行了分析。 相似文献
5.
协同过滤是电子商务推荐系统中最重要的技术之一。它使用统计技术搜索目标客户的若干最近邻居,并根据最近邻居对商品项目的评分,预测目标客户对商品项目的评分,由此产生目标客户的推荐列表。给出协同过滤推荐系统的处理过程,包括数据表示、最近邻居集的产生和推荐列表的形成,在此基础上分析了协同过滤推荐系统存在数据稀疏、推荐质量、扩展性等问题,最后介绍了协同过滤推荐系统当前的研究进展。 相似文献
6.
论文分析了电子商务推荐系统所应用到的协同过滤技术,并针对传统的基于用户的协同过滤推荐系统中所存在的数据稀疏性、算法的可扩展性、冷启动等问题,提出了改进的LSI/SVD降维、特征加权、用户的筛选等协同过滤推荐方法。 相似文献
7.
在网络购物日益风靡的今天,怎样提供优质的个性化服务是当今电子商务系统的核心内容,而协同过滤推荐则是当今发展最成熟且最成功的推荐系统.本文将全方位介绍协同过滤推荐的内容、研究成果以及协同过滤算法中出现的问题,并提出协同过滤算法进一步发展的方向. 相似文献
8.
首先从顾客在超市购物时所遇到的问题入手,介绍了RFID技术和协同过滤技术的原理和应用,并在此基础上,探讨了基于RFID的协同过滤技术在超市中的应用. 相似文献
9.
首先从顾客在超市购物时所遇到的问题入手,介绍了RFID技术和协同过滤技术的原理和应用,并在此基础上,探讨了基于RFID的协同过滤技术在超市中的应用. 相似文献
10.
本文通过研究垃圾邮件的特征表示和过滤方法,设计了一种应用指纹特征向量表示方法和支持向量机(SVM)的最小序列最优化(SMO)方法的在线式邮件过滤器。在在线垃圾信息过滤上获得到了与传统方法相当的基础上,基于原始SMO算法提出了动态邮件样本工作集方法(DFSVM)对SMO的分类条件进行减弱,优化了在线过滤模式下的运算时间。 相似文献
11.
协同过滤技术被广泛应用于各种推荐系统当中。协同过滤中的核心问题是相似度的计算,本文在介绍传统相似度计算方法的基础上,提出一种新的计算方法,以基于物品为例进行了实验,实验证明该方法在推荐精度上得到一定程度的提高。 相似文献
12.
针对电子商务发展的需求,本文通过对协同过滤推荐算法的文献综述,提出传统过滤算法无法适用于用户多兴趣下的推荐问题进行了剖析,提出了一种基于用户多兴趣的协同过滤推荐改进算法,分析了基于用户多兴趣的协同过滤推荐算法的电子商务系统。 相似文献
13.
基于用户的协同过滤推荐技术 总被引:1,自引:0,他引:1
随着因特网普遍使用和电子商务迅猛发展,推荐系统已成为重要研究领域,人们对推荐技术作了广泛的研究。个性化的推荐系统以个性化方式向用户推荐商品,帮助用户找到他们所需要的商品,并便捷地完成购买过程。介绍了电子商务系统中的协同过滤推荐技术,详细分析了基于用户的协同过滤推荐算法,同时指出了它的优点和缺点。 相似文献
14.
15.
16.
在信息量越来越大的今天,基于各种推荐技术的个性化推荐系统应运而生,为了使用户及时从大量数据中得到所需信息,电子商务个性化信息推荐服务应运而生。协同过滤推荐技术作为目前最成熟、最成功的推荐技术,得到了广泛的应用。协同过滤通过收集用户的兴趣爱好,及其他用户的评分信息计算用户间的相似度,从而进行推荐。然而由于数据稀疏度、冷启动、算法的可扩展性问题严重影响了推荐的准确度,推荐系统的应用和推广遇到了瓶颈。 相似文献
17.
Web数据挖掘是从Web文档和Web活动中发现并抽取感兴趣的、潜在的有用模式和隐藏的信息。基于Web数据挖掘的电子商务推荐系统可以满足电子商务未来发展趋势的需要。在本文中依据效率和准确性,建立了一个推荐系统模型,并对系统中各个模块功能及它们之间相互协调工作做了详细的描述;深入研究了电子商务推荐系统所使用的推荐算法,重点讨论了目前使用最为广泛的协同过滤推荐算法;在上述研究的基础上设计了基于聚类的协同过滤推荐系统,并对k-means聚类算法进行了改进;给出了系统试验结果,并对结果做出解释和评价。 相似文献
18.
19.
20.
本文首先简要介绍了电子商务个性化推荐系统的提出和基于用户的协同过滤推荐方法;然后针对当前推荐系统的缺点提出了基于用户浏览数据的协同过滤推荐方法,此推荐方法不但可以在一定程度上避免传统协同过滤方法的弊端,而且能为用户提供更高质量的推荐;最后简单评述了电子商务个性化推荐领域所面临的挑战及需解决的问题。 相似文献