論-0中的關(guān)聯(lián)分析大數(shù)據(jù)的發(fā)展經(jīng)歷了從因果分析到關(guān)聯(lián)分析的轉(zhuǎn)變。從宏觀上來說，如果兩個(gè)事務(wù)在統(tǒng)計(jì)上是相關(guān)的，就稱它們是相關(guān)的。這里我們就簡單說一下各種相關(guān)分析的方法。1.我們以電子商務(wù)中的產(chǎn)品推薦為例，來看看最基本的相關(guān)性分析方法:我們經(jīng)常使用，比如計(jì)算兩個(gè)產(chǎn)品之間的相似度，或者計(jì)算兩個(gè)用戶之間的相似度，如下圖所示，根據(jù)產(chǎn)品的購買行為來計(jì)算兩個(gè)產(chǎn)品之間的相似度。

這里，每種商品都可以表示為用戶購買行為的特征向量，其中1表示用戶已購買，0表示用戶未購買。設(shè)商品A的特征向量為向量A，商品B的特征向量為向量B，那么常用的計(jì)算相關(guān)度的方法如下:Jaccard相關(guān)是基于計(jì)算集合間相似度的方法，而余弦和皮爾遜屬于積矩相關(guān)的范疇。通過簡單的比較可以看出，A和B的皮爾遜相關(guān)系數(shù)是對(duì)向量A和B歸一化后計(jì)算余弦相關(guān)系數(shù)的結(jié)果..

人口學(xué)推薦用戶畫像，基于內(nèi)容推薦，協(xié)同過濾推薦。1.推薦基于人口統(tǒng)計(jì)學(xué)的DemographicbasedRecommendation是最簡單的推薦方法，簡單的根據(jù)系統(tǒng)用戶的基本信息發(fā)現(xiàn)用戶的相關(guān)性，然后再對(duì)比其他相似用戶喜歡的項(xiàng)目。2.對(duì)于沒有明確含義的用戶信息(如登錄時(shí)間、地域等上下文信息)，可以通過聚類等方式對(duì)用戶進(jìn)行標(biāo)注。

4.標(biāo)記用戶信息的過程通常稱為用戶特征描述。(1) UserProfile是企業(yè)應(yīng)用大數(shù)據(jù)技術(shù)的基本方式，通過收集和分析消費(fèi)者的社會(huì)屬性、生活習(xí)慣、消費(fèi)行為等主要信息的數(shù)據(jù)，然后完美地抽象出一個(gè)用戶的商業(yè)全景。(2)用戶畫像為企業(yè)提供了充足的信息庫，可以幫助企業(yè)快速找到精準(zhǔn)的用戶群體、用戶需求等更廣泛的反饋信息。

MATLAB/SPSS/dimension/quantum/SAS/survey craft/dimension/quantum推薦系統(tǒng)我利用電子商務(wù)網(wǎng)站為客戶提供商品信息和建議。推薦 系統(tǒng)可以幫助用戶決定購買什么產(chǎn)品，模擬銷售人員幫助客戶完成購買流程。個(gè)性化推薦是指用戶根據(jù)自己的興趣特征和購買行為，對(duì)推薦感興趣的信息和商品。隨著電子商務(wù)規(guī)模的不斷擴(kuò)大，商品數(shù)量和種類的快速增長，顧客需要花費(fèi)大量時(shí)間才能找到自己想要購買的商品。這種瀏覽大量無關(guān)信息和產(chǎn)品的過程，無疑會(huì)導(dǎo)致淹沒在信息過載問題中的消費(fèi)者不斷流失。

個(gè)性化推薦 系統(tǒng)是基于海量數(shù)據(jù)挖掘的先進(jìn)商業(yè)智能平臺(tái)，幫助電子商務(wù)網(wǎng)站為其客戶提供完全個(gè)性化的決策支持和信息服務(wù)。個(gè)性化的意義系統(tǒng) 推薦在電商平臺(tái)上，個(gè)性化推薦可以幫助用戶找到自己喜歡的商品，從而提升購物體驗(yàn)；在社交平臺(tái)上，個(gè)性化推薦可以幫助用戶找到自己感興趣的話題和聯(lián)系人，從而擴(kuò)大社交圈；在新聞平臺(tái)上，個(gè)性化推薦可以幫助用戶找到自己感興趣的新聞內(nèi)容，從而提升閱讀體驗(yàn)。