Name: E-Commerce-Website mit integriertem Empfehlungssystem (en Alemán)
Price: 48.27 USD
Availability: InStock
Author: Vijarania, Meenu ; Gupta, Swati
ISBN: 9786207268320

portada E-Commerce-Website mit integriertem Empfehlungssystem (en Alemán)

E-Commerce-Website mit integriertem Empfehlungssystem (en Alemán)

Formato

Libro Físico

Autor

Meenu Vijarania

Swati Gupta

Editorial

Verlag Unser Wissen

Idioma

Alemán

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.4 cm

Peso

0.10 kg.

ISBN13

9786207268320

Categorías

Tecnología de la información: cuestiones generales

E-Commerce-Website mit integriertem Empfehlungssystem (en Alemán)

Meenu Vijarania (Autor) · Swati Gupta (Autor) · Verlag Unser Wissen · Tapa Blanda

Libro Nuevo Importado

Envío: 16 a 23 días háb.

$ 96.55$ 48.27

-50%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Última Unidad

$ 48.27

Llega entre el 03 Sep y el 16 Sep a Quito, Pichincha. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "E-Commerce-Website mit integriertem Empfehlungssystem (en Alemán)"

In diesem Abstract wird die Entwicklung einer E-Commerce-Webanwendung unter Verwendung des Djangoframeworks vorgestellt, die die TF-IDF-Vektorisierungstechnik und Kosinusähnlichkeit für eine effiziente Suchfunktionalität beinhaltet. Die Webanwendung zielt darauf ab, den Nutzern ein nahtloses und intuitives Einkaufserlebnis zu bieten. Das Django-Framework bietet eine robuste und skalierbare Plattform für die Entwicklung von Webanwendungen. Es bietet eine hohe Abstraktionsebene, die es den Entwicklern ermöglicht, sich auf die Anwendungslogik zu konzentrieren und nicht auf Details auf niedriger Ebene. Durch den Einsatz von Django profitiert die E-Commerce-Anwendung von Funktionen wie URL-Routing, Datenbankmanagement und Benutzerauthentifizierung. Für diese Suchfunktionen verwendet die Anwendung die TF-IDF-Vektorisierungstechnik (Term Frequency-Inverse DocumentFrequency). TF-IDF berechnet die Bedeutung eines Begriffs in einem Dokument unter Berücksichtigung seiner Häufigkeit im Dokument und seiner Seltenheit im Gesamtkorpus. Diese Technik ermöglicht eine effiziente Darstellung von Textdaten und damit schnelle und genaue Suchergebnisse. Die Cosinus-Ähnlichkeit, ein Ma für die Ähnlichkeit zwischen zwei Vektoren, wird verwendet, um die Relevanz zwischen der Suchanfrage und den als TF-IDF-Vektoren dargestellten Dokumenten zu berechnen.