论文部分内容阅读
随着经济的不断发展，消费者的生活水平逐步提升，广大用户已不再仅仅满足于企业所提供的标准化产品。同时，企业信息技术的发展、工厂柔性制造能力的提升，为大规模定制商业模式的形成与发展创造了条件。大数据环境下，各种类型的数据呈井喷式增长，大规模定制行业的定制方案与模块属性值越来越多的被加入到定制环节，使得选择产品定制的用户在面对大量选择时感到无所适从。因此，本文在以往面向大规模定制商业模式的个性化推荐研究基础上结合现有的大数据环境进行了相应的改进研究以提高面向大规模定制的智能推荐结果的精准性。
首先，本文在综述以往研究成果基础之上，分析了大数据环境下面向大规模定制的智能推荐现存问题：传统的电子商务推荐直接应用到大规模定制行业的推荐过程会存在一定的不适性以及大数据时代的到来，使得传统的面向大规模定制的推荐算法存在不足之处等方面，并针对这些问题提出相应的改进必要性及改进思路；其次，对大规模定制行业智能推荐系统进行具体分析，提出一种新的较为完整的面向大规模定制的智能推荐系统模型——整体定制方案推荐+分步式定制方案推荐以满足不同用户需求，并对相应的推荐流程进行说明；再次，基于对传统推荐算法应用局限性的分析并根据大数据环境下大规模定制行业的特征，选用协同过滤推荐算法作为大规模定制智能推荐的基础算法，并融合用户画像方法以改进经典协同过滤推荐算法易忽视用户自身兴趣偏好的问题，融合K-means聚类算法以改进传统协同过滤推荐算法在大数据环境下的数据稀疏性问题，从而进一步提高推荐的精准性；最后，引入手机行业产品定制案例，对改进后的两种混合推荐算法进行模拟分析，验证了该算法运用于大规模定制智能推荐的有效性与可行性。
首先，本文在综述以往研究成果基础之上，分析了大数据环境下面向大规模定制的智能推荐现存问题：传统的电子商务推荐直接应用到大规模定制行业的推荐过程会存在一定的不适性以及大数据时代的到来，使得传统的面向大规模定制的推荐算法存在不足之处等方面，并针对这些问题提出相应的改进必要性及改进思路；其次，对大规模定制行业智能推荐系统进行具体分析，提出一种新的较为完整的面向大规模定制的智能推荐系统模型——整体定制方案推荐+分步式定制方案推荐以满足不同用户需求，并对相应的推荐流程进行说明；再次，基于对传统推荐算法应用局限性的分析并根据大数据环境下大规模定制行业的特征，选用协同过滤推荐算法作为大规模定制智能推荐的基础算法，并融合用户画像方法以改进经典协同过滤推荐算法易忽视用户自身兴趣偏好的问题，融合K-means聚类算法以改进传统协同过滤推荐算法在大数据环境下的数据稀疏性问题，从而进一步提高推荐的精准性；最后，引入手机行业产品定制案例，对改进后的两种混合推荐算法进行模拟分析，验证了该算法运用于大规模定制智能推荐的有效性与可行性。