數(shù)據(jù)挖掘技術(shù)在智能推薦系統(tǒng)中的研究與應(yīng)用

《數(shù)據(jù)挖掘技術(shù)在智能推薦系統(tǒng)中的研究與應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、北京工業(yè)大學(xué)碩士學(xué)位論文數(shù)據(jù)挖掘技術(shù)在智能推薦系統(tǒng)中的研究與應(yīng)用姓名：沙志強(qiáng)申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：計(jì)算機(jī)軟件與理論指導(dǎo)教師：劉椿年20050501摘要數(shù)據(jù)挖掘(DataMining)是近十幾年中迅速發(fā)展起來(lái)的交叉學(xué)科，它融合了數(shù)據(jù)庫(kù)、人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等多個(gè)領(lǐng)域的理論和技術(shù)，搭建了上述理論研究與實(shí)際應(yīng)用間連接的橋梁。因其所涉及的知識(shí)領(lǐng)域眾多、應(yīng)用范圍廣泛，數(shù)據(jù)挖掘已成為最為研究人員和商業(yè)組織所關(guān)注的領(lǐng)域之一。當(dāng)前數(shù)據(jù)挖掘的最大研究熱點(diǎn)之一是盹B挖掘，來(lái)自INTERNET的各類數(shù)據(jù)和需求對(duì)數(shù)據(jù)挖掘提出了新的挑戰(zhàn)，也為數(shù)據(jù)挖掘技術(shù)拓展了新的研究平臺(tái)。網(wǎng)上智能(WebIntel

2、ligence)是一個(gè)新的研究方向，它集成了人工智能和信息技術(shù)領(lǐng)域最新的成果，大大強(qiáng)調(diào)了智能手段在互聯(lián)網(wǎng)上的應(yīng)用，數(shù)據(jù)挖掘技術(shù)在網(wǎng)上智能的研究中有著很重要的地位。基于網(wǎng)絡(luò)的智能系統(tǒng)研究是WEB挖掘和網(wǎng)上智能的重要研究方向，而智能推薦系統(tǒng)(IntelligentReco．ⅡnendationSystem)又是網(wǎng)上智能系統(tǒng)的典型應(yīng)剛。隨著互聯(lián)網(wǎng)上信息的不斷增長(zhǎng)，人們不愿在信息的搜索和辨別上浪費(fèi)時(shí)間而將自身迷失在數(shù)據(jù)的海洋當(dāng)中，因此希望有一種友好而實(shí)用的方式幫助解決類似的問(wèn)題，這為智能推薦系統(tǒng)的發(fā)展提供了機(jī)遇。本文重點(diǎn)研究了貝葉斯網(wǎng)(BayesianNetwork)的學(xué)習(xí)、推理算法，實(shí)現(xiàn)

3、了一個(gè)基于條件獨(dú)立方法的貝葉斯網(wǎng)學(xué)習(xí)算法和基于隨機(jī)概率的推理算法，并對(duì)其學(xué)習(xí)和推理效果進(jìn)行了比較和分析。以貝葉斯網(wǎng)為模型，文中設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)網(wǎng)上智能推薦系統(tǒng)—PIR系統(tǒng)(PersonalizedIntelligentRecommendationSystem)，并將其擴(kuò)充為一個(gè)開放性的智能推薦系統(tǒng)框架，在PIR系統(tǒng)框架上可以方便的擴(kuò)充新的推薦算法，并將其快速集成到現(xiàn)有的電子商務(wù)或數(shù)字圖書館等應(yīng)用系統(tǒng)當(dāng)中。本文是這樣安排的：首先對(duì)數(shù)據(jù)挖掘技術(shù)進(jìn)行了綜述，介紹了數(shù)據(jù)挖掘的基本概念及其主要算法，給出了數(shù)據(jù)庫(kù)中知識(shí)發(fā)現(xiàn)的主要過(guò)程和步驟。之后闡述了智能推薦系統(tǒng)產(chǎn)生的必要性，詳細(xì)討論了智能推薦

4、系統(tǒng)在電子商務(wù)和數(shù)字圖書館系統(tǒng)當(dāng)中的應(yīng)用，總結(jié)了當(dāng)前比較有代表性的各種智能推薦算法，并給出了對(duì)智能推薦算法的有效評(píng)價(jià)方法。本文對(duì)貝葉斯網(wǎng)絡(luò)進(jìn)行了綜述，介紹了北京工業(yè)大學(xué)工學(xué)碩士學(xué)位論文其理論基礎(chǔ)，分析了貝葉斯網(wǎng)的特點(diǎn)及貝葉斯網(wǎng)絡(luò)模型的學(xué)習(xí)和推理方法。之后詳細(xì)介紹了PIR系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)細(xì)節(jié)，給出了電子商務(wù)系統(tǒng)的架構(gòu)以及智能推薦模塊的框架，介紹了我們所設(shè)計(jì)的開放性智能推薦系統(tǒng)接口，它可以被方便的擴(kuò)充和調(diào)用，是一個(gè)友好的、可擴(kuò)充的系統(tǒng)接口。最后對(duì)文中的貝葉斯網(wǎng)學(xué)習(xí)算法和智能推薦算法的效果進(jìn)行了分析和比較。關(guān)鍵詞：數(shù)據(jù)挖掘網(wǎng)上智能智能推薦系統(tǒng)貝葉斯網(wǎng)AbstractDataMining(

5、DM)isafastdevelopingresearchareainthelastdecade．ItintegratestheoriesandtechnologiesfromDatabase，ArtificialIntelligence，MechineLearningandStatistics，andhasbecomeabridgebetweentheorystudyandrealworldapplications．ForitiSacross—fieldssubjectandcarlbeusedwidely，DMhasbecomeoneofthemostactiveresearch

6、areasforresearchersandbusinessunits．RecentlyWebMiningisafocusofDM．A1lkindsofdataandnewapplicationneedscomefromINTERNETbringbigchanllengesforDM．WebIntelligence(WI)isanewresearchareaexploitingArtificialIntelligenceandadvancedInformationTechnologyontheWebandInternet．DataMiningplaysanimportantrole

7、inWebIntelligence．Web—b．a(chǎn)sedintelligentsystemisanimportantaspectofDMandWI．IntelligentRecommendationSystemiSakindoftypicalweb—basedintelIigentapplicationsystem．WiththerapidgrowthoftheWorldWideWeb，peoplemoreandmoreneedamethodtohelpthemsel