本文選題：電子商務(wù) + 協(xié)同過濾��； 參考：《北京郵電大學(xué)》2017年碩士論文

【摘要】：隨著互聯(lián)網(wǎng)和電子商務(wù)的高速發(fā)展,購物變得越來越方便。一方面網(wǎng)絡(luò)上琳瑯滿目的商品滿足了人們的各種需求,另一方面隨著商品的增多,找到自己中意的商品也越來越難,從而很容易使得顧客產(chǎn)生疲勞直至失去購物興趣,這就是“信息超載”。電子商務(wù)個性化推薦系統(tǒng)作為解決信息超載問題的一種方案,它讓電子商務(wù)網(wǎng)站適應(yīng)每一個消費者并為其提供具有個性化的商品展現(xiàn)平臺和購物體驗。本文主要研究電子商務(wù)個性化推薦系統(tǒng)。首先分析了個性化推薦系統(tǒng)在國內(nèi)外的研究成果,并對常用的推薦技術(shù)進行分析。之后提出一種基于隱語義模型和聚類算法的協(xié)同過濾算法(CF-LFMC),并基于該方法設(shè)計了一種基于移動端的個性化推薦系統(tǒng)。本文所做的主要工作有以下三個方面:1.分析傳統(tǒng)基于項目的協(xié)同過濾算法(Item-based Collaborative Filtering,IBCF)中存在的數(shù)據(jù)稀疏性、時效性和冷啟動問題,使用隱語義模型和聚類算法,并引入時間函數(shù)和項目初始屬性填充的方法對傳統(tǒng)IBCF算法進行改善,提出一種基于隱語義模型和聚類算法的協(xié)同過濾算法(CF-LFMC)。2.實驗測試驗證了提出的CF-LFMC算法,結(jié)果表明算法在準確率上優(yōu)于傳統(tǒng)算法,達到了預(yù)期的效果。3.設(shè)計了一種基于CF-LFMC算法的電子商務(wù)個性化推薦系統(tǒng)。本文描述了系統(tǒng)的架構(gòu),然后從客戶端到服務(wù)器的角度描述了系統(tǒng)的設(shè)計,并對其中的模塊進行了詳細的分析與實現(xiàn)。
[Abstract]:With the rapid development of internet and e-commerce, shopping becomes more and more convenient. On the one hand, there are a wide variety of goods on the Internet to meet people's needs. On the other hand, with the increase of commodities, it is becoming more and more difficult to find the goods that they like, which makes it easy for customers to become tired and lose their interest in shopping. This is information overload. E-commerce personalized recommendation system as a solution to the problem of information overload, it allows e-commerce websites to adapt to every consumer and provide them with personalized commodity display platform and shopping experience. This paper mainly studies the e-commerce personalized recommendation system. Firstly, the research results of personalized recommendation system at home and abroad are analyzed, and the commonly used recommendation technology is analyzed. Then a collaborative filtering algorithm based on hidden semantic model and clustering algorithm is proposed. Based on this method, a personalized recommendation system based on mobile terminal is designed. The main work of this paper is as follows: 1. This paper analyzes the problems of data sparsity, timeliness and cold start in Item-based Collaborative filtering algorithm, and uses hidden semantic model and clustering algorithm. The traditional IBCF algorithm is improved by introducing time function and item initial attribute filling method, and a collaborative filtering algorithm based on implicit semantic model and clustering algorithm is proposed. The experimental results show that the proposed CF-LFMC algorithm is superior to the traditional algorithm in accuracy and achieves the desired effect of .3. An e-commerce personalized recommendation system based on CF-LFMC algorithm is designed. This paper describes the architecture of the system, then describes the design of the system from the point of view of client to server, and analyzes and implements the modules in detail.
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.3

【參考文獻】

相關(guān)期刊論文 前10條

1 韋素云;肖靜靜;業(yè)寧;;基于聯(lián)合聚類平滑的協(xié)同過濾算法[J];計算機研究與發(fā)展;2013年S2期

2 賈冬艷;張付志;;基于雙重鄰居選取策略的協(xié)同過濾推薦算法[J];計算機研究與發(fā)展;2013年05期

3 李春秋;;電子商務(wù)推薦系統(tǒng)研究[J];內(nèi)江科技;2013年04期

4 王國霞;劉賀平;;個性化推薦系統(tǒng)綜述[J];計算機工程與應(yīng)用;2012年07期

5 楊陽;向陽;熊磊;;基于矩陣分解與用戶近鄰模型的協(xié)同過濾推薦算法[J];計算機應(yīng)用;2012年02期

6 李聰;梁昌勇;楊善林;;電子商務(wù)協(xié)同過濾稀疏性研究:一個分類視角[J];管理工程學(xué)報;2011年01期

7 陳燕;牟向偉;;語義環(huán)境下個性化推薦系統(tǒng)建模[J];吉林大學(xué)學(xué)報(信息科學(xué)版);2010年06期

8 馬麗;;基于組合加權(quán)評分的Item-based協(xié)同過濾算法[J];現(xiàn)代圖書情報技術(shù);2008年11期

9 雷瑛;吳晶;熊璋;;基于項目分層的個性化推薦方法[J];計算機工程與設(shè)計;2007年21期

10 鄧愛林,朱揚勇,施伯樂;基于項目評分預(yù)測的協(xié)同過濾推薦算法[J];軟件學(xué)報;2003年09期

相關(guān)博士學(xué)位論文 前3條

1 程殿虎;基于協(xié)同過濾的社會網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國海洋大學(xué);2015年

2 冷亞軍;協(xié)同過濾技術(shù)及其在推薦系統(tǒng)中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2013年

3 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前9條

1 王賀玉;利用關(guān)聯(lián)數(shù)據(jù)中隱式反饋的Top-N推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2015年

2 于奕;基于時間權(quán)重的協(xié)同過濾算法在電子商務(wù)中的應(yīng)用[D];湘潭大學(xué);2015年

3 孫才奇;基于信任網(wǎng)絡(luò)的情境感知推薦算法的研究[D];東華大學(xué);2015年

4 姚婷;基于協(xié)同過濾算法的個性化推薦研究[D];北京理工大學(xué);2015年

5 劉超峰;團購商品個性化推薦系統(tǒng)的研究與實現(xiàn)[D];浙江工業(yè)大學(xué);2012年

6 王寧;一個基于信任網(wǎng)絡(luò)的推薦系統(tǒng)研究與應(yīng)用[D];南京大學(xué);2012年

7 黃合鑫;電子商務(wù)協(xié)同過濾算法的研究與實現(xiàn)[D];北京交通大學(xué);2011年

8 凌曉良;基于數(shù)據(jù)挖掘的移動位置興趣點推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];北京郵電大學(xué);2012年

9 李偉;面向個性化推薦的Web使用挖掘研究[D];西安理工大學(xué);2009年

，

本文編號：1794449