本文關鍵詞：基于多模型的移動電子商務推薦系統設計與實現

  更多相關文章： 數據挖掘 電子商務 推薦系統 關聯分析 交叉銷售

【摘要】：隨著Internet的普及和應用，電子商務因為其成本低廉、便捷、快速、不受時間和空間的限制等優(yōu)點已在全球流行。電子商務在為用戶提供更多選擇的同時，其結構也日益更加復雜。一方面，用戶面對大量的商品信息，很難快速找到自己真正需要的商品；另一方面，商家也無法與消費者面對面的交流。個性化的電子商務推薦系統能根據用戶行為特征為用戶提供一對一的服務，快速幫助用戶找到所需的商品，從而順利完成購物過程。商家通過推薦系統能提高電子商務系統銷售能力，保持與客戶的聯系，提高用戶忠誠度和滿意度。 本文通過對當前B2C網站的電子商務個性化推薦系統分析，提出一種B2C模式下的多模型推薦系統（MMRS）的設計及實現，該系統通過對用戶購物歷史記錄、Wap元數據以及用戶注冊信息處理，運用關聯、聚類的方法，最后給出商品的推薦結果。這種對不同用戶的多模型的推薦方案，即使新老用戶由于信息的不同，都能夠產生有效的推薦，，并能夠對新產品產生推薦。文中在推薦算法上做了一定改良，最后利用同組同學的Wap電子商務網站測試數據，對MMRS系統進行驗證，發(fā)現改良后的算法能收到比較好的效果。
【關鍵詞】：數據挖掘 電子商務 推薦系統 關聯分析 交叉銷售
【學位授予單位】：蘇州大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TP311.13
【目錄】：

• 中文摘要4-5
• Abstract5-8
• 第一章 緒論8-15
• 1.1 研究背景與研究意義9-14
• 1.1.1 電子商務推薦系統概述9-10
• 1.1.2 電子商務推薦系統的技術標準10
• 1.1.3 推薦技術分類10-11
• 1.1.4 推薦結果的應用11
• 1.1.5 主要的推薦算法11-12
• 1.1.6 商務推薦系統的研究熱點與難點12-14
• 1.2 本文研究內容14-15
• 第二章 相關理論基礎15-26
• 2.1 數據挖掘技術15-19
• 2.1.1 關聯規(guī)則挖掘15-17
• 2.1.2 聚類算法挖掘17-19
• 2.2 XML 介紹19-23
• 2.3 開發(fā)環(huán)境23-26
• 2.3.1 Eclipse 3.2 + MyEclipse 5.523-24
• 2.3.2 JAVA24-25
• 2.3.3 SQL Server 200525-26
• 第三章 多模型推薦框架與關鍵推薦算法26-41
• 3.1 多模型推薦系統設計26-28
• 3.1.1 網站的數據流程分析26
• 3.1.2 多模型推薦系統設計框架26-28
• 3.2 推薦算法的研究與改進28-30
• 3.2.1 Apriori 算法的研究與改進28-29
• 3.2.2 Clique 算法的研究與改進29-30
• 3.3 推薦算法實現30-38
• 3.3.1 Apriori 算法實現30-35
• 3.3.2 Clique 算法實現35-38
• 3.4 實驗結果與分析38-41
• 3.4.1 關聯實驗結果與分析38-39
• 3.4.2 聚類實驗結果與分析39-41
• 第四章 系統設計與實現41-46
• 4.1 系統需求分析41-42
• 4.2 推薦系統設計42
• 4.3 推薦系統工作流程42-43
• 4.4 系統與網站的整合43-44
• 4.5 系統實現44-46
• 第五章 總結與展望46-48
• 5.1 總結46
• 5.2 展望46-48
• 參考文獻48-49
• 攻讀碩士期間發(fā)表的論文49-50
• 致謝50-51

【參考文獻】

中國期刊全文數據庫 前4條

1 付淇;李正凡;;基于CLIQUE的聚類算法研究[J];華東交通大學學報;2006年05期

2 劉勘,周曉崢,周洞汝;一種基于排序子空間的高維聚類算法及其可視化研究[J];計算機研究與發(fā)展;2003年10期

3 黃光球,靳峰,彭緒友;基于興趣度的協同過濾商品推薦系統模型[J];微電子學與計算機;2005年03期

4 劉旭東;;個性化網頁推薦系統在電子商務中的設計與應用[J];煙臺職業(yè)學院學報;2008年04期

本文編號：1036836