伴随着计算机技术、通信技术的日益成熟和广泛应用,互联网上信息资源越来越丰富,为了适应用户不断增长的信息需求,有效地解决信息过载和信息迷失给人们带来的种种问题,研究人员纷纷从人工智能中寻找突破口。
本例是基于智能推荐系统对网站进行推荐,推荐系统并不需要用户提供明确的需求,而是通过分析用户的历史行为,根据用户的行为主动推荐能够满足他们兴趣和需求的信息。那么,本案例研究的对象是泰迪智能有限公司的泰迪杯竞赛网站,泰迪科技是一家专业从事大数据挖掘应用研发、咨询和培训服务的高科技企业。其网站海量的数据,对研究用户的兴趣偏好,分析用户的需求和行为,发现用户的兴趣点能更好地训练模型和满足用户的需求。
结合本案例的原始数据及分析目标,其分析过程主要的步骤如下:
从系统中获取用户访问网站的原始记录。
对数据进行预处理,包括属性规约、数据变换、异常值处理、数据分类等处理过程。
以用户访问jhtml后缀的网页为关键条件,对数据进行预处理。
将处理好的数据进行按网页的内容进行分类。
对比多种推荐算法进行推荐,通过模型评价,得到比较好的智能推荐模型。
通过模型对样本数据进行预测,获得推荐效果。
协同过滤算法
关联规则算法
杰卡德相似系数
交叉验证法
Random算法
Popular算法
教与学:可落地操作、学生参与度高、交互性强;
科研:将前沿热门的深度学习技术与具体行业应用结合,为科学研究提供素材。
生产:将模型改进后直接用于实际生产环境:智能推荐。
windows/linux/mac OS,64位操作系统,内存:4GB以上,R3.4.4以上
评论已有 0 条