发表为 liangchuan 65 天数 以前 (http://www.yeeyan.com)
分类/ 组别: 技术-数据挖掘 | 标签: 推荐系统 数据挖掘 协同过滤
（译者：网站推荐机制是电子商务或内容网站的核心功能之一。例如你在一个网站买了一本书后，网站会推荐其他你可能会感兴趣的书。这被认为是亚马逊等电子商务巨头成功的关键。本文对几个出色的推荐系统进行了较透彻的分析。）

2006年10月，Netflix搞了一次不寻常的有奖竞赛。这家网上DVD租赁公司开出奖金一百万美元，奖励给能把他们网站的产品推荐机制提高10%的人。Netflix 以富有创新精神和 更多相关的内容 »
comments 讨论   addto 把此链接加入于...  recommend 与朋友分享   report 已已沉
发表为 liangchuan 65 天数 以前 (http://tuijian.mailu.cn)
分类/ 组别: 技术-数据挖掘 | 标签: 数据挖掘 推荐系统 协同过滤

1.什么是麦路推荐引擎

     在顾客访问一个商品的同时，积极推荐其他相关的商品，让顾客停留更多的时间，关注更多的商品，进而增加成交机会，这便是商品推荐。

    亚马逊素有推荐之王的称号，过去十几年间，该公司投入了大量金钱和脑力开发推荐机制，来促使用户更多地购物。由科技博客网VentureBeat处获悉，Amazon 有35%的商品销售源自于推荐系统。

 

更多相关的内容 »
comments 讨论   addto 把此链接加入于...  recommend 与朋友分享   report 已已沉
发表为 liangchuan 66 天数 以前 (http://chaoqun.17348.com)
分类/ 组别: 技术-数据挖掘 | 标签: 数据挖掘 推荐系统 协同过滤

推荐系统最早在亚马逊的网站上应用，根据以往用户的购买行为，推荐出购买某种产品同时可能购买的其他产品，国内做的不错的当当网,有时候买书，它总能给我推荐出我感兴趣的其他书来，也算是技术极大的促进了销售。

一般的协同过滤算法，首先是收集用户对事物（产品）的评分情况，一种直接对某本书，或者某个歌曲打分，另种是隐性的打分，比如商务系统中，购买了表示打2分，浏览了打1分，其他的0分。我比较看好隐性打分，因为直接打分需要用户的参与程度比较高，很多网站都在内容页中留一个打分的按钮，从1～5选一个，我可能喜欢这篇文章，可我哪里知道我喜欢的程度是几分啊，还要我去思考，而网站设计中一条很重要的原则是:Do not let me think!，于是我就胡打一个分数或者不打，而隐性的打分则不同，只有你喜欢的图书你才会购买，只有你喜欢的歌曲才会听多次。

更多相关的内容 »
comments 讨论   addto 把此链接加入于...  recommend 与朋友分享   report 已已沉
发表为 liangchuan 66 天数 以前 (http://www.chinaai.org)
分类/ 组别: 技术-数据挖掘 | 标签: 数据挖掘 关联规则 协同过滤
本文介绍了关联规则的基本概念和分类方法，列举了一些关联规则挖掘算法并简要分析了典型算法，展望了关联规则挖掘的未来研究方向。

1 引言

关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。它在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。

关联规则挖掘的一个典型例子是购物篮分析。关联规则研究有助于发现交易数据库中不同商品（项）之间的联系，找出顾客购买行为模式，如购买了某一商品对购买其他商品的影响。分析结果可以应用于商品货架布局、货存安排以及根据购买模式对用户进行分类。

Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题[AIS93b]，以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样、并行的思想等，以提高算法挖掘规则的效率；对关联规则的应用进行推广。

最近也有独立于Agrawal的频集方法的工作[HPY00]，以避免频集方法的一些缺陷，探索挖掘关联规则的新方法。也有一些工作[KP 更多相关的内容 »
comments 讨论   addto 把此链接加入于...  recommend 与朋友分享   report 已已沉
发表为 liangchuan 66 天数 以前 (http://www.5gme.com)
分类/ 组别: 技术-数据挖掘 | 标签: 数据挖掘 电子商务 协同过滤
我将以阿里巴巴，百度，腾讯三家公司为案例，来简单的探讨这一应用。 阿里巴巴是国内最大的电子商务服务供应商， 百度是全球最大的中文搜索引擎服务供应商， 腾讯是中国最大的即时聊天工具服务供应商。 当这几家公司都将注意力陆续投入到网络交易平台的时候，对于我们的商家和消费者来说无疑将获得更大的益处，在此文中我将抛开我们经常关注的谁拥有这样的平台，我让大家更加深入的了解下，未来会影响几大电子商务巨头市场格局背后隐藏的电子商务软实力-数据挖掘。 什么是数据挖掘？ 数据挖掘(Data Mining)，又称为数据库中的知识发现(Knowledge Discovery in Database, KDD)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程，简单的说，数据挖掘就是从大量数据中提取或“挖掘”知识。 应用于电子商务平台服务公司来说，就需要从目前几大电子商务公司积累的交易平台中抽取出针对消费者购买行为，购物习惯，偏好，消费支出，消费能力，消费者品牌忠诚度，性别差异，年龄等抽取 更多相关的内容 »
comments 讨论   addto 把此链接加入于...  recommend 与朋友分享   report 已已沉
发表为 liangchuan 66 天数 以前 (http://blurkerlab.blogspot.com)
分类/ 组别: 技术-数据挖掘 | 标签: 协同过滤 数据挖掘

去年下半年我寫了一系列文章介紹推薦系統（Recommender System）的運作和各方面的影響，在檢視 FeedBurner 的點閱資料之後，發現推薦系統的分類是去年被點閱次數最多的文章。

但是重新審視這篇文章，發現有許多含混不清，甚至有些文字可能會產生誤導，不禁大為赧然，冷汗直流。趁著08年開春，重新改寫這篇文章，希望能讓推薦系統的輪廓更清楚具體，更易於理解，也少一些錯誤。

在 更多相关的内容 »
comments 讨论   addto 把此链接加入于...  recommend 与朋友分享   report 已已沉

发表为 liangchuan 66 天数 以前 (http://www.soft6.com)
分类/ 组别: 技术-数据挖掘 | 标签: 协同过滤 统计分析 数据挖掘
协同过滤在应用中存在的问题以及解决协同过滤中稀疏性问题的方法。

    1  协同过滤在应用中存在的问题

    尽管协同过滤在电子商务推荐系统中的应用获得了较大的成功，但随着站点结构、内容复杂度和用户人数的不断增加，基于协同过滤的推荐系统的发展面临着两个主要挑战：

    1) 提高协同过滤算法的可扩展性

    协同过滤算法能够容易地为几千名用户提供较好的推荐，但是对于电子商务网站，往往需要给成百上千万的用户提供推荐，这就一方面需要提高响应时间的要求，能够为用户实时地进行推荐;另一方面还应考虑到存储空间的要求，尽量减少推荐系统运行的负担。

   2) 提高对用户推荐信息的质量

    用户需要得到值得信任的推荐来帮助他找到喜欢的产品。假如用户相信推荐购买了商品，而后发现并不喜欢，用户对推荐系统推荐结果的信任度降低，同时将不愿再 更多相关的内容 »
comments 讨论   addto 把此链接加入于...  recommend 与朋友分享   report 已已沉

发表为 liangchuan 66 天数 以前 (http://www.onling.net)
分类/ 组别: 技术-数据挖掘 | 标签: 数据挖掘 推荐系统 协同过滤
因为论文需要，近期一直在研究关于智能推荐系统的相关技术，查了不少的资料，发现这一领域还真是深不可测，奥秘无穷，难怪人类智能化这一阶段吸引了 无数的研究学者，还好我不是专门的研究算法的人员，但是要把这种技术引进我们学科，还是需要发点精力，论文草稿大致已经出现出来，但是因为核心的算法还是 没能读懂，所以进展一直卡在哪里，但是至少现在看来 ，我感觉我在研究的是一个很有意义的东西，他的问题如果能解决出来，价值肯定会凸显出来的，在感觉自己技术薄弱的情况下，我把一个教改班的师弟拉进，这个 号称“小清华”出来的算法专家，经过几天的研究，已经基本帮我理清了一些思路，这样看来，论文的整理性以及逻辑已经又进了一步。

这里稍微整理一下看过的资料：

电子商务推荐系统(Recommendation System)向客户提供商品信息和建议，模拟销售人员帮助客户完成购买过程.Harvard商学院的Joe Ping在大规模定制一文中认为现代企业应该从大规模生产(以标准化的产品和均匀的市场为特征)向大规模定制(为不同客户的不同需求提供不同的商品)转 化。

(o 更多相关的内容 »
comments 讨论   addto 把此链接加入于...  recommend 与朋友分享   report 已已沉




Yeeach.com Personal Digg is Powered By Pligg