| Blog信息 |
| |
blog名称:IDMer (数据挖掘者)
日志总数:175
评论数量:848
留言数量:119
访问次数:2496961
建立时间:2005年6月24日 |
| 我的相册 |
| |
|
| 联系方式 |
 |
|
| |
| 公告 |
“数据挖掘者”博客已经搬家，欢迎光临新博客网址：http://idmer.blog.sohu.com
我的新浪微博：@张磊IDMer |
| 网络日志 |
|
RE: web数据挖掘  |
|
|
|
|
|
数据挖掘者 发表于 2007/12/29 15:07:31 |
|
|
|
Sunstone,
我在做的事情是一个关于用户行为和用户习惯推荐的事情，属于分类信息或者垂直搜索的细分市场。
业务逻辑是：
如果甲需要购买租赁房屋，将信息发布到我们的网站上了，我们的网站能够自动帮助他推荐适合他条件的一些房屋。由于房屋本身可以做成格式化数据，但是类似于环境良好、房屋干净等很多数据是需要通过数据的分析得到的。
再例如，甲要购买化妆品，她将自己的基本皮肤特征输入到网站上就能够获得这方面类似"好友" 的使用记录，并且通过她的使用将她的购买记录推荐给她的"好友"。
我购买了一本《web数据挖掘》发现和我的要求相去甚远，请教哪类的书籍能够满足这些基本要求。中间我参考过两个算法： 关联规则的Coffee 和 机器学习的weka 。
特此请教，什么书籍可以错略的学习一些这些知识，或者 由哪类基本成熟的算法可用。
真诚致谢！
耀东
于京 书房
以下为blog主人的回复：
耀东，你好： 这种商品推荐和一种比较成熟的数据挖掘应用非常类似，那就是交叉销售（Cross Selling），你可以搜索一些相关资料来看看。 简单介绍一下相关的处理思路： ① 一个方向是基于用户的层面进行分析： 首先在用户提出了比较明确的需求之后，可以利用匹配算法，把商品库中满足需求条件的产品找出来，这个实现起来比较简单。然后是将用户进行细分，把具有类似偏好的用户划分到相同的用户群，再用该用户群最喜欢的商品作为推荐。这里用到的是聚类（Clustering）技术。最后可以建立预测模型，根据用户的基本特性和商品的使用行为（含点击查看商品的信息），来预测出他购买特定商品的概率。这里可以用决策树、Logistic Regression等技术。 ② 另一个方向是基于商品的层面进行分析： 根据商品的销售信息进行关联分析，找出关联性比较强的商品，例如购买了A商品的客户也很可能会购买B商品，这样就可以针对购买了A商品的客户推荐B商品。这里用到的是关联分析技术。此外，还有一份我最近看到的ppt你也可以参考以下，宾夕法尼亚大学大学Arnaud De Bruyn助教写的“Recommender systems”，网络链接是：http://www.adastral.ucl.ac.uk/~icox/course/presentations/RecommenderSystems.pptBest Regards,Sunstone Zhang |
|
|
|
阅读全文(8093) | 回复(2) | 编辑 | 精华 |
|
|
|
|
|
|
|
回复:RE: web数据挖掘 |
|
|
|
|
|
烟雨朦胧发表评论于2007/12/30 19:31:42 |
|
|
|
祝元旦愉快！
以下为blog主人的回复：
Thanks！也祝大家新年快乐！ |
|
|
|
个人主页 | 引用回复 | 主人回复 | 返回 | 编辑 | 删除 |
|
|
|
|
|
|
|
回复:RE: web数据挖掘 |
|
|
|
|
|
开花的芝麻发表评论于2007/12/29 22:08:39 |
|
|
|
博主你好。
请问一下，你有做分布式数据挖掘吗？想请教一些东西。
以下为blog主人的回复：
呵呵，不好意思，没有做过。 |
|
|
|
个人主页 | 引用回复 | 主人回复 | 返回 | 编辑 | 删除 |
|
|
|
|
|
| » 1 »
| |
