搜索
1推荐算法实施方案一、目的为了使平台功能更加多样化，多方面满足平台用户的需求，配合目前流行的机器学习方法，增加推荐功能，使用python实现推荐算法，通过用户的详细信息和使用习惯，智能化推送平台相关内容，实现用户个性化定制，带动平台发展，最大程度化推广平台。二、运用场景场景1：基于超市平台，根据企业的经营范围、简介、地域等相关信息，通过计算平台上所有机构与该企业相关信息的相似性，将匹配度高的服务机构推荐给该企业。场景2：基于超市平台，省平台根据需求列表，通过计算需求的内容和供给资源内容的相似度，将相似度高的资源展示在该需求旁，同理技术资源也可如此展示。场景3：基于智能制造平台，为了推荐符合企业需求的政策服务，可以提供中文分词技术，提取出政策中的关键词，并将其和企业所需的政策内容关键词进行匹配，推荐其相似度高的政策。……三、流程规划21．数据收集：前期准备工作，收集大量相关数据，大规模数据能增加自主学习的准确率公司简介（主要）用户输入地域其他数据构成服务机构（主要）平台功能政策（主要）供需新闻、通知公告其他2．数据清洗：1）无效数据、空数据处理，格式标准统一；2）挑选有分析价值的数据，以公司简介为例，描述字符要大于25个，后期会根据实验需求，对各类特征数据标准进行调整；3）jieba分词：将收集好的中文数据进行分词，此算法帮助去除一些无效字符，提取段落关键字，初步为相关对象打上关键字标签。3．数据分析：根据处理好的信息，进行分析，比如地域分析，经营状况分析，还有分词后的关键字分析，目的主要是为了模型的特征提取。特征的可靠性越高，模型数据收集数据清理数据分析模型导入评估分析应用实践3评分更高，表示模型更优化。4．模型导入：此处即导入算法模块，选择合适的算法，结合用到最终模型。此处会用到的算法：1）词袋模型：用一个向量来代表一个文档2）向量空间变换：TF-IDF模型和LSI模型3）推荐算法：前期主要是基于内容的推荐，主要原因是前期的用户行为数据不够；后期可结合用户行为和物品的相关数据运用协同过滤算法，做更贴切，精准需求的推荐。5.评估分析：根据分好的训练数据集和测试数据集，将模型导入，从：用户满意度、预测准确度、推荐物品的多样化等方面观察并评估结果。6.应用实践：确定好模型，将模型与项目结合。四、实施环境1.编写语言：python（模型），java（嵌入项目）2.工具：Anaconda3.环境：Window10，或Ubuntu系统。五、人员支撑在具体项目中，需依据项目详情与开发相关人员进行沟通对接，以获得相关支撑。