协同过滤推荐算法在互联网企业客户关系管理中的应用.doc
约28页DOC格式手机打开展开
协同过滤推荐算法在互联网企业客户关系管理中的应用,1.63万字我自己原创的毕业论文，仅在本站独家提交，大家放心使用摘要20世纪以来，随着互联网的迅猛发展，电子商务保持着持续增长的趋势，信息也在不断的膨胀。在电子商务网站里的大量信息中，用户需要快速有效的找到自己需要的信息，而电子商务推荐系统的出现就是为了这一难题得以解决。...
内容介绍
此文档由会员 小花仙66 发布
协同过滤推荐算法在互联网企业客户关系管理中的应用
1.63万字
我自己原创的毕业论文，仅在本站独家提交，大家放心使用
摘要20世纪以来，随着互联网的迅猛发展，电子商务保持着持续增长的趋势，信息也在不断的膨胀。在电子商务网站里的大量信息中，用户需要快速有效的找到自己需要的信息，而电子商务推荐系统的出现就是为了这一难题得以解决。目前，应用最为广泛发展最为迅速的电子商务推荐技术是协同过滤推荐技术，在互联网企业中应用协同过滤推荐技术，可以为客户推荐自己需要的商品，能够更好的维护企业与客户之间的关系，从而使企业有自己的营销优势，进而提高企业的核心竞争力。
本文介绍了电子商务推荐系统以及客户关系管理的背景和研究现状，主要是对基于用户的协同过滤推荐技术在互联网企业的客户关系管理中的应用进行研究分析。本文引用不同的案例说明了协同推荐算法存在的问题以及相应的应对措施，这些应对措施对于解决冷启动问题和稀疏矩阵问题有很大的帮助。本文用用户/项目评分矩阵产生的相似度，得到最近邻居，提高了推荐的准确性，从而为互联网企业的目标用户提供更好的推荐结果。
本文研究重点在于将基于用户的协同过滤推荐算法应用到互联网企业的客户关系管理过程中，从而为互联网企业赢得客户，为互联网企业的商品赢得市场占有率。
关键词： 电子商务推荐系统 协同推荐 客户关系管理 用户/项目评分矩阵
Abstract Since the 20th century, with the rapid development of Internet, e-commerce keeps increasing trend, the expansion of the information has been even overload, in order to solve this problem, the electronic commerce recommendation system arises at the historic moment, the electronic commerce recommendation system can help users quickly locate to the goods you need. Collaborative filtering recommendation technology is the most widely used and the most rapid development of a personalized recommendation technology, collaborative filtering recommendation technology is applied to the Internet enterprise customer relationship management, which improves the profitability of the enterprise and the enterprise's core competitiveness.
This article introduces the background and current status of customer relationship management (CRM) and the electronic commerce recommendation system, mainly for user-based collaborative filtering recommendation technology in the application of the Internet enterprise customer relationship management (CRM) .This article refers to a different case illustrates the problems of collaborative recommendation algorithm, and proposes the corresponding improvement method, improving collaborative filtering recommendation algorithm for solving the problem of cold start problems and sparse matrix .In this paper, using the similarity of user/item score matrix and getting the nearest neighbors, improving the accuracy of the recommended, thus for the Internet enterprise users to provide better recommendation results.
This paper is focused on the collaborative filtering recommendation algorithm, which is applied to the Internet enterprise customer relationship management process, thus for Internet companies to win customers and market share of Internet enterprise's goods.
Key words e-commerce recommender system, collaborative recommendation, customer relationship management, user/project eva luation matrix
目 录
第一章 绪论 1
1.1课题研究的背景与意义 1
1.1.1 课题研究的背景 1
1.1.2 课题研究的意义 1
1.2国内外研究现状 1
1.2.1 互联网企业客户关系管理的研究现状 2
1.2.2 协同过滤推荐算法的研究现状 2
1.2.3 协同过滤推荐算法在互联网企业客户关系管理中的应用现状 2
1.3课题主要研究内容和方法 3
第二章 互联网企业的客户关系管理 5
2.1 互联网企业客户关系管理概述 5
2.1.1 互联网企业客户关系管理的定义 5
2.1.2 互联网企业客户关系管理的核心思想 5
2.2 互联网企业客户关系管理的驱动因素及发展维度 6
2.2.1 互联网企业客户关系管理的驱动因素 6
2.2.2 互联网企业客户关系管理的发展维度 6
2.3 互联网企业客户关系管理的分类、功能及存在的问题 7
2.3.1 互联网企业客户关系管理的分类 7
2.3.2 互联网企业客户关系管理的功能 7
2.3.3 互联网企业客户关系管理存在的问题 7
第三章 电子商务推荐系统基础理论及其主要算法分析 9
3.1电子商务推荐系统基础理论 9
3.1.1 电子商务推荐系统的定义和作用 9
3.1.2 电子商务推荐系统的分类 9
3.2 电子商务推荐算法 10
3.2.1 基于关联规则的推荐算法 10
3.2.2 协同过滤推荐算法 10
3.2.3 其他常见的推荐算法 11
3.3 协同过滤推荐算法 12
3.3.1 协同过滤推荐算法分析 12
3.3.2 基于项目的协同过滤推荐算法 13
3.3.3 基于用户的协同过滤推荐算法 14
3.3.4 协同过滤推荐算法存在的问题 16
第四章 应用研究 17
4.1 客户信息分析与客户行为分析 17
4.2 商品信息分析与商品市场占有率分析 19
4.3 本章小结 20
第五章 总结与展望 22
参考文献 24
1.63万字
我自己原创的毕业论文，仅在本站独家提交，大家放心使用
摘要20世纪以来，随着互联网的迅猛发展，电子商务保持着持续增长的趋势，信息也在不断的膨胀。在电子商务网站里的大量信息中，用户需要快速有效的找到自己需要的信息，而电子商务推荐系统的出现就是为了这一难题得以解决。目前，应用最为广泛发展最为迅速的电子商务推荐技术是协同过滤推荐技术，在互联网企业中应用协同过滤推荐技术，可以为客户推荐自己需要的商品，能够更好的维护企业与客户之间的关系，从而使企业有自己的营销优势，进而提高企业的核心竞争力。
本文介绍了电子商务推荐系统以及客户关系管理的背景和研究现状，主要是对基于用户的协同过滤推荐技术在互联网企业的客户关系管理中的应用进行研究分析。本文引用不同的案例说明了协同推荐算法存在的问题以及相应的应对措施，这些应对措施对于解决冷启动问题和稀疏矩阵问题有很大的帮助。本文用用户/项目评分矩阵产生的相似度，得到最近邻居，提高了推荐的准确性，从而为互联网企业的目标用户提供更好的推荐结果。
本文研究重点在于将基于用户的协同过滤推荐算法应用到互联网企业的客户关系管理过程中，从而为互联网企业赢得客户，为互联网企业的商品赢得市场占有率。
关键词： 电子商务推荐系统 协同推荐 客户关系管理 用户/项目评分矩阵
Abstract Since the 20th century, with the rapid development of Internet, e-commerce keeps increasing trend, the expansion of the information has been even overload, in order to solve this problem, the electronic commerce recommendation system arises at the historic moment, the electronic commerce recommendation system can help users quickly locate to the goods you need. Collaborative filtering recommendation technology is the most widely used and the most rapid development of a personalized recommendation technology, collaborative filtering recommendation technology is applied to the Internet enterprise customer relationship management, which improves the profitability of the enterprise and the enterprise's core competitiveness.
This article introduces the background and current status of customer relationship management (CRM) and the electronic commerce recommendation system, mainly for user-based collaborative filtering recommendation technology in the application of the Internet enterprise customer relationship management (CRM) .This article refers to a different case illustrates the problems of collaborative recommendation algorithm, and proposes the corresponding improvement method, improving collaborative filtering recommendation algorithm for solving the problem of cold start problems and sparse matrix .In this paper, using the similarity of user/item score matrix and getting the nearest neighbors, improving the accuracy of the recommended, thus for the Internet enterprise users to provide better recommendation results.
This paper is focused on the collaborative filtering recommendation algorithm, which is applied to the Internet enterprise customer relationship management process, thus for Internet companies to win customers and market share of Internet enterprise's goods.
Key words e-commerce recommender system, collaborative recommendation, customer relationship management, user/project eva luation matrix
目 录
第一章 绪论 1
1.1课题研究的背景与意义 1
1.1.1 课题研究的背景 1
1.1.2 课题研究的意义 1
1.2国内外研究现状 1
1.2.1 互联网企业客户关系管理的研究现状 2
1.2.2 协同过滤推荐算法的研究现状 2
1.2.3 协同过滤推荐算法在互联网企业客户关系管理中的应用现状 2
1.3课题主要研究内容和方法 3
第二章 互联网企业的客户关系管理 5
2.1 互联网企业客户关系管理概述 5
2.1.1 互联网企业客户关系管理的定义 5
2.1.2 互联网企业客户关系管理的核心思想 5
2.2 互联网企业客户关系管理的驱动因素及发展维度 6
2.2.1 互联网企业客户关系管理的驱动因素 6
2.2.2 互联网企业客户关系管理的发展维度 6
2.3 互联网企业客户关系管理的分类、功能及存在的问题 7
2.3.1 互联网企业客户关系管理的分类 7
2.3.2 互联网企业客户关系管理的功能 7
2.3.3 互联网企业客户关系管理存在的问题 7
第三章 电子商务推荐系统基础理论及其主要算法分析 9
3.1电子商务推荐系统基础理论 9
3.1.1 电子商务推荐系统的定义和作用 9
3.1.2 电子商务推荐系统的分类 9
3.2 电子商务推荐算法 10
3.2.1 基于关联规则的推荐算法 10
3.2.2 协同过滤推荐算法 10
3.2.3 其他常见的推荐算法 11
3.3 协同过滤推荐算法 12
3.3.1 协同过滤推荐算法分析 12
3.3.2 基于项目的协同过滤推荐算法 13
3.3.3 基于用户的协同过滤推荐算法 14
3.3.4 协同过滤推荐算法存在的问题 16
第四章 应用研究 17
4.1 客户信息分析与客户行为分析 17
4.2 商品信息分析与商品市场占有率分析 19
4.3 本章小结 20
第五章 总结与展望 22
参考文献 24
