本文關鍵詞：基于客戶細分的中小型B2C化妝品商城推薦策略研究與應用

  更多相關文章： 商城系統(tǒng) 性能優(yōu)化 客戶細分 推薦

【摘要】：隨著經(jīng)濟全球化的發(fā)展,互聯(lián)網(wǎng)為中小型企業(yè)的發(fā)展帶來更廣闊的市場前景。針對目前網(wǎng)購市場中的大量女性客戶,本文設計并實現(xiàn)基于化妝品銷售的中小型B2C商城系統(tǒng),提供給客戶一個網(wǎng)上購物平臺,幫助企業(yè)更好的盈利與發(fā)展。并在系統(tǒng)實現(xiàn)過程中,以提高用戶體驗為準則,對系統(tǒng)性能進行了優(yōu)化。并通過分析客戶行為及價值,提出一種基于HSDPSOK算法的客戶細分方法,該方法對實現(xiàn)客戶分類、個性化商品推薦、挖掘潛在客戶以及進行精準營銷等有著重要的意義。本文研究內(nèi)容主要分為三個方面,如下：一、本文根據(jù)企業(yè)的具體業(yè)務需求,介紹了Struts2、Spring和Hibernate三種框架的結(jié)構、流程及特點,在此基礎上,詳細介紹集成框架SSH2,基于此框架設計開發(fā)了化妝品商城系統(tǒng)。二、本文設計并實現(xiàn)以下三種策略對系統(tǒng)的性能進行優(yōu)化。(1)通過建立適當?shù)乃饕鸵氲谌骄彺鎒hcache來提升數(shù)據(jù)的查詢效率,實現(xiàn)數(shù)據(jù)庫性能優(yōu)化；(2)基于PV統(tǒng)計的智能緩存策略,實現(xiàn)系統(tǒng)預先智能從數(shù)據(jù)庫中提取客戶可能要訪問的數(shù)據(jù)并放入緩存,進而提高系統(tǒng)的查詢效率；(3)通過實現(xiàn)分頁來提高數(shù)據(jù)查詢時符合查詢條件的結(jié)果展示效率,減少客戶的等待時間。三、本文提出一種基于HSDPSOK算法的客戶細分方法。客戶細分采用的聚類算法中,k-means算法應用廣泛,但是存在需要預先確定聚類個數(shù)K和容易陷入局部最優(yōu)的兩大缺陷。針對這兩個問題,本文引入有效性指標SD和PSO算法,提出一種HSDPSOK算法來提升聚類質(zhì)量：(1)通過聚類質(zhì)量評價中的SD來解決聚類個數(shù)K的取值問題。使用樣本數(shù)據(jù)對應于不同的K值進行初步K-means聚類,使用有效性指標進行比較,返回SD最小時對應的K值,保證使用最優(yōu)的K值來進行聚類；(2)通過使用PSO算法來解決初始聚類中心的選取問題。基于粒子群優(yōu)化算法的全局尋優(yōu)能力,選取K個最優(yōu)的初始點,以此作為初始聚類中心。在客戶數(shù)據(jù)集上進行實驗并分析了實驗結(jié)果,通過各項評價指標,證明了使用HSDPSOK算法進行客戶細分可以取得更好的效果。最后,本文基于該算法實現(xiàn)的分類結(jié)果,進行商品推薦。
【關鍵詞】：商城系統(tǒng) 性能優(yōu)化 客戶細分 推薦
【學位授予單位】：南華大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3;TP311.13
【目錄】：

• 摘要4-6
• Abstract6-12
• 第1章 緒論12-18
• 1.1 研究背景及意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-15
• 1.3 主要研究內(nèi)容15-16
• 1.4 本文組織結(jié)構16-18
• 第2章 相關理論基礎18-30
• 2.1 SSH2框架18-22
• 2.1.1 Struts218-20
• 2.1.2 Spring20-21
• 2.1.3 Hibernate21-22
• 2.2 Web性能優(yōu)化技術22-28
• 2.2.1 數(shù)據(jù)庫優(yōu)化技術22-25
• 2.2.2 Ajax技術25-27
• 2.2.3 文件緩存27
• 2.2.4 負載均衡27-28
• 2.3 網(wǎng)站流量統(tǒng)計28-29
• 2.4 本章小結(jié)29-30
• 第3章 化妝品商城系統(tǒng)實現(xiàn)及性能優(yōu)化30-58
• 3.1 系統(tǒng)概述30-31
• 3.2 系統(tǒng)設計31-37
• 3.2.1 系統(tǒng)開發(fā)框架及集成31-34
• 3.2.2 數(shù)據(jù)庫設計34-37
• 3.3 系統(tǒng)實現(xiàn)37-44
• 3.3.1 數(shù)據(jù)訪問Dao實現(xiàn)38-39
• 3.3.2 靜態(tài)頁面生成接口實現(xiàn)39-40
• 3.3.3 購物車管理業(yè)務實現(xiàn)40-41
• 3.3.4 系統(tǒng)功能實現(xiàn)41-44
• 3.4 系統(tǒng)性能優(yōu)化重點模塊44-46
• 3.5 系統(tǒng)性能優(yōu)化實現(xiàn)46-56
• 3.5.1 數(shù)據(jù)庫優(yōu)化46-50
• 3.5.2 基于智能緩存策略優(yōu)化50-55
• 3.5.3 數(shù)據(jù)分頁優(yōu)化55-56
• 3.6 本章小結(jié)56-58
• 第4章 化妝品商城推薦策略研究與應用58-88
• 4.1 用戶信息收集58-63
• 4.2 數(shù)據(jù)預處理63-65
• 4.2.1 數(shù)據(jù)清洗63-64
• 4.2.2 數(shù)據(jù)轉(zhuǎn)換與集成64-65
• 4.3 客戶細分算法—HSDPSOK65-84
• 4.3.1 客戶細分65-66
• 4.3.2 客戶細分的方法66-67
• 4.3.3 客戶細分算法選擇67-79
• 4.3.3.1 K-means算法68-71
• 4.3.3.2 PSO算法71-74
• 4.3.3.3 有效性指標SD74
• 4.3.3.4 基于SD與PSO的K-means算法74-79
• 4.3.4 客戶細分變量的選擇79
• 4.3.5 HSDPSOK算法進行客戶細分79-81
• 4.3.6 客戶細分效果分析81-84
• 4.4 基于客戶細分的推薦策略84-86
• 4.4.1 推薦類型84
• 4.4.2 基于用戶協(xié)同過濾算法84-86
• 4.4.3 基于客戶細分的協(xié)同推薦86
• 4.5 本章小結(jié)86-88
• 第5章 總結(jié)與展望88-90
• 5.1 總結(jié)88
• 5.2 工作展望88-90
• 參考文獻90-94
• 主要成果94-96
• 致謝96

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉乃嘉;彭宇;王鑫;付小龍;;清華大學網(wǎng)上選課性能優(yōu)化研究與實踐[J];實驗技術與管理;2011年05期

2 劉悅婷;李嵐;;基于自適應權重的粒子群和K均值混合聚類算法研究[J];甘肅科學學報;2010年04期

3 林麗麗;;使用高性能Web服務器Nginx實現(xiàn)開源負載均衡[J];大眾科技;2010年07期

4 夏峗;李志蜀;;基于Hibernate框架的數(shù)據(jù)持久化層的研究及其應用[J];計算機應用;2008年09期

5 黃櫟橋;陸鑫;;基于Struts框架的Web數(shù)據(jù)庫分頁技術[J];計算機應用;2008年S1期

6 李聳;房明;;基于Web的網(wǎng)站流量統(tǒng)計系統(tǒng)的設計[J];電腦知識與技術;2008年05期

7 王正良;;大信息量和訪問量信息系統(tǒng)性能優(yōu)化研究[J];農(nóng)業(yè)網(wǎng)絡信息;2007年12期

8 劉向東;沙秋夫;劉勇奎;段曉東;;基于粒子群優(yōu)化算法的聚類分析[J];計算機工程;2006年06期

9 閆相斌;李一軍;葉強;;基于購買行為的客戶分類方法研究[J];計算機集成制造系統(tǒng);2005年12期

10 徐寶文,張衛(wèi)豐;數(shù)據(jù)挖掘技術在Web預取中的應用研究[J];計算機學報;2001年04期

，

本文編號：606163