Neuartiger gewichteter Hybridansatz in der Empfehlungsmethode
Versandkostenfrei!
Versandfertig in 6-10 Tagen
35,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Im modernen E-Commerce ist es für die Kunden nicht einfach, die besten Waren ihres Interesses zu finden, da es Millionen von Produkten gibt, die online verfügbar sind. Empfehlungssysteme gehören zu den Informationsfiltersystemen, die auf der Grundlage der Interessen des Benutzers die Artikel vorhersagen, die für den Benutzer innerhalb einer großen Menge von Artikeln von zusätzlichem Interesse sein könnten. Dieses System nutzt die kollaborative Filterung, die den Nutzern einige Empfehlungen auf der Grundlage von Übereinstimmungen in Verhaltens- und Nutzbeispielen von Nutzern anbietet un...
Im modernen E-Commerce ist es für die Kunden nicht einfach, die besten Waren ihres Interesses zu finden, da es Millionen von Produkten gibt, die online verfügbar sind. Empfehlungssysteme gehören zu den Informationsfiltersystemen, die auf der Grundlage der Interessen des Benutzers die Artikel vorhersagen, die für den Benutzer innerhalb einer großen Menge von Artikeln von zusätzlichem Interesse sein könnten. Dieses System nutzt die kollaborative Filterung, die den Nutzern einige Empfehlungen auf der Grundlage von Übereinstimmungen in Verhaltens- und Nutzbeispielen von Nutzern anbietet und darüber hinaus vergleichbare Zuneigung und Verhaltensbeispiele mit diesen Nutzern aufzeigt. Dieses Buch stellt einen Ansatz für ein Empfehlungssystem vor, das einer Gruppe von Nutzern sinnvolle Empfehlungen für Artikel oder Produkte gibt, die sie interessieren könnten. Dieser Ansatz verwendet ein gewichtetes hybrides Empfehlungssystem, das ein inhaltsbasiertes Empfehlungssystem und ein wissensbasiertes Empfehlungssystem kombiniert, um die Gesamtleistung des Systems zu erhöhen. Die Hauptidee ist die Verwendung mehrerer Empfehlungstechniken, um die Nachteile der traditionellen Techniken oder einer einzelnen Technik in einem kombinierten Modell zu unterdrücken. In diesem Buch wird ein System zur Verbesserung der Genauigkeit von Empfehlungen vorgestellt.
Andere Kunden interessierten sich für
