论文基于商品属性和用户聚类个性化服装推荐是大学硕士与本科聚类毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写聚类算法方面论文范文。
〔摘 要〕淘宝网作为电子商务时代最大的网上零售平台,为用户提供越来越多的商品和服务的同时,也出现了信息过载等一系列问题.鉴于此,本文提出了基于商品属性和用户聚类的个性化服装推荐方法,通过用户个人信息和对商品的评价,计算用户之间的相似度,进行聚类分析.和此同时,将商品化整为零,通过商品属性来计算商品的相似度,得到top-N相似列表.以此,综合商品和用户两者的权重值,实现为用户提供个性化的商品推荐,解决用户面对信息过载的难题,为用户节省精力,提高用户的购物体验.针对某一淘宝网店铺,本文提出了适合的混合推荐算法,并通过搜集实际数据进行了实证研究,对推荐结果进行准确性评价.
〔关键词〕个性化；商品属性；用户聚类；混合推荐
DOI：10.3969/j.issn.1008-0821.2015.09.031
〔中图分类号〕F71336 〔文献标识码〕A 〔文章编号〕1008-0821（2015）09-0165-06
〔Abstract〕As the largest online retail platform in the era of e-commerce,Taobao provides users with more and more goods and services,but it also has a series of problems such as information overload.In this view,the paper proposed a personalized clothing recommendation method based on commodities attributes and users clustering.According to users personal information and his or her comment of the commodity,the paper could calculate the similarities between users,then divide them into different clusters.Meanwhile,the paper described the commodity as a set of attributes and calculate similarities of the products.Then the paper got a list of top-N similar products.With the weights of commoditys similarities and user comments,it provided users with personalized commodity recommendations,solving the problem of information overload.Its aimed to save energy,improve the users shopping experience.Take the example of one Taobao shop,empirical research is carried out by collecting the actual data to evaluate the precision of hybrid recommendation algorithm.And the results were not bad.
〔Key words〕personalization；commodity attribute；user clustering；hybrid recommendation
随着信息技术和互联网规模的发展,中国网民数量急剧增加,截至2014年12月底,我国网民数量达到649个亿[1].互联网的用户基础,给电子商务提供了发展的温床.近10年来,电子商务呈现迅猛的发展态势,中国即将进入全民网购的时代.根据艾瑞咨询发布的网络购物市场数据[2],2014年中国网络购物市场交易规模达到28万亿,增长487%,占社会消费品零售总额的107%.但是,随着越来越多的商家进入电子商务行业,在线销售市场更加的纷繁复杂.面对商品信息海洋,消费者在选购商品时需要采集、搜索大量的信息,才能做出最终的选择.
信息过载问题使得消费者在进行网络购物时,需要花费甚至多于在实体店购物的时间和精力,这在很大程度上将会打击消费者的网购信心.为了节省消费者的购物精力,提高消费者的决策效率,电子商务网站的推荐系统应用而生.个性化推荐技术就是根据消费者的历史行为数据,预测消费者的兴趣爱好,并向消费者推荐其可能感兴趣的商品或服务,例如亚马逊网站的书籍推荐系统,虾米网站的音乐推荐等.
作为亚洲最大的网络零售商圈,截至2013年,淘宝网拥有近5亿的注册用户数,每天有超过6 000万的固定访客,每天同时在线商品数已经超过了8亿件,为消费者提供海量商品和服务的同时,也面临着严重的信息过载问题.尽管,目前淘宝网也有实现简单的个性化推荐的功能,不过更多的是为商家营销服务.针对商品的个性化推荐问题,很多学者进行了研究,基于客户聚类的商品推荐[3],根据客户的浏览、点击、收藏行为进行聚类,实现推荐；或是根据用户对商品的评分矩阵,进行协同过滤推荐[4].
1 研究现状
个性化推荐是建立在海量数据挖掘基础上的智能推荐平台,以帮助电子商务网站为用户提供个性化的购买决策支持和信息服务.一个完整的推荐系统主要包括3个模块：用户模型、推荐算法和推荐输出[5].其中,用户模型,主要指通过收集用户的各方面信息,如基本人口统计信息、行为信息,以提取出能够描述用户的属性信息,并将用户实体以结构化的形式表示出来.目前,用户模型的表示技术主要包括：n维向量空间模型、神经网络、用户-评分矩阵、案例、本体论5种形式[6].
总结:本文关于聚类论文范文,可以做为相关论文参考文献,与写作提纲思路参考。
参考文献：
1、 大型办公建筑照明插座系统电耗逐时率聚类分析 摘要：逐时使用率对于预测办公建筑照明与插座系统电耗，以及核定节能改造的节能量有十分重要的意义。选取重庆17幢办公建筑作为研究对象，根据建筑全年。
2、 基于K—MEANS聚类电商店铺经营策略分析 ◆中图分类号：F272 文献标识码：A内容摘要：本文在对电商店铺商品价格、相关商品数和月销量等数据的挖掘中，建立基于K-MEANS的店铺聚类研。
3、 基于聚类分析智慧城市事部件数据 [摘 要]在智慧城市的建设过程中，大量运行数据伴随着城市管理事部件的处置产生并积累。为分析此类数据，本文利用聚类分析技术，以温岭市太平街道为例，。
4、 基于涉军论坛中用户属性关系用户影响力分析 [摘 要]涉军论坛是聚焦涉军主题的社交服务平台，分析其用户属性、关系及其影响力对于舆情引导具有重要的现实意义。本文使用特定的数据采集策略，获取了。
5、 基于聚类改进KANO模型B2C网站质量要素 [摘 要] B2C网站质量极大的影响其顾客购买意愿和使用黏性，同时随着市场竞争的日益激烈，对网站改善策略的思考也在不断丰富与深入。对于B2C网站。
6、 聚类分析在郫县烟草卷烟营销方面应用 摘 要：“大数据时代”的来临，为新时期郫县烟草的转型提升提供了创新的发展思路。为准确研判市场、实现精准营销，调研了郫县卷烟市场，用聚类分析、层次。