客户海量兴趣数据分类的推荐系统优化仿真

摘要

对客户兴趣商品信息数据进行有效推荐,能够最大程度地服务消费者.商品种类和数量快速增长,大量有用商品信息会被淹没在海量商品信息中.传统的客户兴趣推荐系统在进行客户兴趣确认时,受到海量信息的干扰,使得兴趣商品信息数据确认过程耗时巨大,效率较低.提出采用关联决策树算法的客户海量兴趣数据分类推荐系统.在推荐系统中,针对海量数据进行关联决策计算,得到所有数据之间的关联性,根据上述数据关联性,建立关联决策树,获取客户兴趣数据推荐目标.最后进行仿真,结果表明,采用改进方法能够减少商品信息确认时间,取得了良好的效果.