在互聯(lián)網(wǎng)急速發(fā)展的時代,海量數(shù)據(jù)被用戶接收的同時,用戶更期望從海量數(shù)據(jù)中獲取更為精準的信息,在此基礎上大數(shù)據(jù),機器學習,數(shù)據(jù)挖掘等新興概念不斷的被提出。其中大量用戶在日常生活中,例如,網(wǎng)購過程中最常用到的就是推薦系統(tǒng),以用戶的歷史購買數(shù)據(jù)為基準,分析其中的購買行為,獲取購買期望值高的商品,推送給用戶。提高用戶的購買力,促進成交量的遞增。然而面對當前用戶的海量需求,終端零售企業(yè)卻缺失一套完整的購進決策推薦系統(tǒng)為公司決策者提供決策上的幫助,從而使大量終端零售企業(yè)僅僅依靠歷史經(jīng)驗進行購進決策的制定,從而影響公司的效益。本文在此背景下主要將進行三個方面的研究工作:數(shù)據(jù)的整合及分析,決策樹模型構造,推薦系統(tǒng)整合。數(shù)據(jù)的整合及分析中,主要針對藥房的商品基礎數(shù)據(jù)與銷售數(shù)據(jù)進行整合,整合出其中構造決策樹必要的屬性值,通過分析屬性值對數(shù)據(jù)進行聚合,得到屬性值下是否購買的一元模型,為構造決策樹進行基礎鋪墊。決策樹模型構造上研究理解決策樹構造算法,并且通過實驗數(shù)據(jù)對決策樹構造算法進行相關改進,改進其極端情況下無法選擇根節(jié)點的問題,此處為整篇論文的核心研究點。推薦系統(tǒng)整合主要是對數(shù)據(jù)集合及決策樹進行整合,通過...

【文章頁數(shù)】：50 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要存在的問題
    1.4 主要研究內(nèi)容
    1.5 本文組織結(jié)構
第2章 關鍵技術的分析與研究
    2.1 數(shù)據(jù)的整合
        2.1.1 獲取藥房數(shù)據(jù)
        2.1.2 整合商品數(shù)據(jù)
    2.2 數(shù)據(jù)的分析
        2.2.1 分析銷售數(shù)據(jù)
    2.3 決策樹概述
        2.3.1 決策樹的概念及定義
        2.3.2 決策樹模型的構造
    2.4 構造決策樹模型的算法
        2.4.1 ID3算法的概念及基本定理
        2.4.2 C4.5算法的概念及基本定理
        2.4.3 決策樹模型構造中所選擇的算法
第3章 構造決策樹模型的算法及對原始算法的改進
    3.1 構造決策樹算法原理及其計算過程
        3.1.1 ID3算法原理及其中定義
        3.1.2 ID3算法構造決策樹過程
        3.1.3 構造決策樹過程中存在的問題
    3.2 針對原始算法的改進
        3.2.1 算法改進思想
        3.2.2 算法改進對比實驗
第4章 采購推薦信息管理系統(tǒng)的介紹及設計
    4.1 采購推薦信息管理系統(tǒng)的介紹
    4.2 采購推薦信息管理系統(tǒng)的設計
        4.2.1 系統(tǒng)數(shù)據(jù)準備
        4.2.2 數(shù)據(jù)的整合與分析
        4.2.3 決策引擎的構造
        4.2.4 將產(chǎn)品信息引入到推薦系統(tǒng)中
        4.2.5 整合所有系統(tǒng)進行分析與推薦
第5章 采購推薦信息管理系統(tǒng)的總結(jié)與發(fā)展
    5.1 采購推薦信息管理系統(tǒng)的總結(jié)
    5.2 采購推薦信息管理系統(tǒng)的不足
    5.3 采購推薦信息管理系統(tǒng)的發(fā)展
致謝
參考文獻
攻讀碩士學位期間發(fā)表的論文及科研成果



本文編號：3764858