本文關(guān)鍵詞：基于點擊流分析的電子商務(wù)個性化服務(wù)研究

  更多相關(guān)文章： 電子商務(wù) 個性化服務(wù) 點擊流 模糊C均值 web日志挖掘

【摘要】：隨著Internet的迅速發(fā)展和普及,電子商務(wù)正在以難以置信的速度蓬勃發(fā)展,電子商務(wù)的發(fā)展無論是對企業(yè)還是對用戶都帶來了巨大的影響。企業(yè)可以通過電子商務(wù)平臺拓展自己的業(yè)務(wù),宣傳自己的商品,增加盈利水平;用戶可以在足不出戶的情況下,只要點擊鼠標,就能購買到自己所需的產(chǎn)品和服務(wù)。隨著企業(yè)競爭日益激烈,人們普遍地追求差異化,電子商務(wù)開始向個性化服務(wù)方向發(fā)展。 但是,當前的個性化服務(wù)工具存在不能向用戶提供及時、準確的信息,不能根據(jù)用戶興趣的變化做出推薦信息的及時調(diào)整,需要用戶過多的參與等缺陷。針對這些問題,本文引入了點擊流技術(shù),用以改變目前個性化服務(wù)中存在的缺陷。 本文首先介紹國內(nèi)外電子商務(wù)個性化服務(wù)的現(xiàn)狀,發(fā)現(xiàn)目前個性化服務(wù)中存在的不足,然后描述點擊流的相關(guān)理論及其在個性化服務(wù)中的優(yōu)勢。點擊流數(shù)據(jù)中主要是web日志文件,因此本文主要對用戶的web日志進行數(shù)據(jù)挖掘,發(fā)現(xiàn)用戶的興趣偏好和瀏覽習慣。 其次本文在綜述了模糊聚類的研究情況后,針對FCM算法的不足,提出SDWFCM算法,包括對模糊C均值聚類算法的初始化、距離函數(shù)進行改進。針對模糊C均值聚類算法對數(shù)據(jù)集進行等劃分及容易受到噪聲點影響的問題,利用樣本點密度作為權(quán)值,根據(jù)web數(shù)據(jù)本身的分布特性,避免FCM算法對數(shù)據(jù)進行等劃分的趨勢,提高了算法的抗噪性能。 最后通過對各個參數(shù)進行改進,并通過數(shù)據(jù)進行仿真,驗證改進算法的可行性和有效性。用該改進算法對用戶訪問行為進行聚類分析,挖掘用戶的興趣模型,分析用戶的個性化需求。本文使用matlab編程實現(xiàn)改進的算法,通過多次仿真分析出改進后算法性能穩(wěn)定,在噪聲環(huán)境下抗干擾能力較好,更加適合web數(shù)據(jù)特征。
【關(guān)鍵詞】：電子商務(wù) 個性化服務(wù) 點擊流 模糊C均值 web日志挖掘
【學位授予單位】：河北工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2011
【分類號】：TP391.3;TP311.13
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-12
• §1-1 選題背景及意義9-10
• §1-2 本文的研究內(nèi)容及創(chuàng)新點10-11
• §1-3 論文結(jié)構(gòu)11-12
• 第二章 相關(guān)領(lǐng)域研究綜述12-18
• §2-1 電子商務(wù)個性化服務(wù)研究12-14
• §2-2 點擊流技術(shù)在個性化服務(wù)中的應(yīng)用14-16
• §2-3 模糊聚類算法在web 日志挖掘中的應(yīng)用16-18
• 第三章 理論基礎(chǔ)18-30
• §3-1 web 日志挖掘18-25
• 3-1-1 web 數(shù)據(jù)預處理21-24
• 3-1-2 web 站點用戶訪問矩陣表示24-25
• §3-2 模糊聚類理論25-30
• 3-2-1 硬C-均值聚類算法26-27
• 3-2-2 模糊C-均值聚類算法27-30
• 第四章 FCM 算法應(yīng)用問題分析30-36
• §4-1 web 數(shù)據(jù)特點30
• §4-2 FCM 算法的主要問題30-36
• 4-2-1 初始方案隨機產(chǎn)生使算法不穩(wěn)定31-32
• 4-2-2 聚類數(shù)目預先確定32
• 4-2-3 賦予樣本點同樣的權(quán)重32-33
• 4-2-4 距離函數(shù)的討論33-36
• 第五章 模糊 C-均值聚類算法要素改進36-48
• §5-1 初始聚類中心的產(chǎn)生36-37
• §5-2 點密度函數(shù)加權(quán)矩陣37-41
• §5-3 距離函數(shù)的計算41-43
• §5-4 SDWFCM 聚類算法的描述43-44
• §5-5 仿真及聚類效果分析44-48
• 第六章 基于模糊聚類的個性化服務(wù)應(yīng)用48-53
• §6-1 用戶聚類和頁面聚類48-51
• §6-2 個性化需求特征分析51-53
• 第七章 總結(jié)和展望53-54
• §7-1 總結(jié)53
• §7-2 展望53-54
• 參考文獻54-58
• 致謝58

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 裴繼紅,范九倫,謝維信;聚類中心的初始化方法[J];電子科學學刊;1999年03期

2 涂承勝,魯明羽,陸玉昌;Web挖掘研究綜述[J];計算機工程與應(yīng)用;2003年10期

3 李超鋒;盧炎生;;Web使用挖掘技術(shù)分析[J];計算機科學;2006年02期

4 余力,劉魯;電子商務(wù)個性化推薦研究[J];計算機集成制造系統(tǒng);2004年10期

5 趙偉,何丕廉,陳霞,謝振亮;Web日志挖掘中的數(shù)據(jù)預處理技術(shù)研究[J];計算機應(yīng)用;2003年05期

6 黎客來;湯震;;點擊流數(shù)據(jù)倉庫系統(tǒng)應(yīng)用研究[J];計算機與現(xiàn)代化;2008年02期

7 朱燁;電子商務(wù)個性化方案的理性關(guān)注[J];情報探索;2005年04期

8 杜文華;;基于點擊流技術(shù)的個性化信息服務(wù)研究[J];情報雜志;2006年10期

9 姬朝陽;陳建軍;;WebLog在電子商務(wù)個性化中的應(yīng)用研究[J];商場現(xiàn)代化;2009年07期

10 邢東山,宋擒豹,沈鈞毅;一種新的Web事務(wù)模糊聚類算法的研究[J];西安交通大學學報;2002年08期

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 范九倫;模糊聚類新算法與聚類有效性問題研究[D];西安電子科技大學;1998年

2 李杰;基于模糊技術(shù)的制造單元構(gòu)建方法及其在變壓器企業(yè)中的應(yīng)用[D];河北工業(yè)大學;2002年

中國碩士學位論文全文數(shù)據(jù)庫 前9條

1 劉建東;基于Web的日志挖掘技術(shù)的研究[D];哈爾濱工程大學;2003年

2 宮改云;FCM算法參數(shù)研究及其應(yīng)用[D];西安電子科技大學;2004年

3 童畢建;基于點擊流技術(shù)的個性化信息服務(wù)應(yīng)用研究[D];對外經(jīng)濟貿(mào)易大學;2006年

4 湯國行;Web日志聚類分析及應(yīng)用[D];山東大學;2006年

5 任正國;點擊流數(shù)據(jù)倉庫與數(shù)據(jù)挖掘研究[D];大連海事大學;2008年

6 鄭奎;WEB點擊流構(gòu)建個性化信息服務(wù)[D];上海交通大學;2008年

7 姚亮;Web使用挖掘中用戶訪問序列挖掘技術(shù)研究[D];西南交通大學;2008年

8 賀云;數(shù)據(jù)挖掘在電子商務(wù)推薦系統(tǒng)中的應(yīng)用研究[D];大連交通大學;2010年

9 朱鶴祥;Web日志挖掘中數(shù)據(jù)預處理算法的研究[D];大連交通大學;2010年

，

本文編號：1049456