本文關(guān)鍵詞：基于關(guān)聯(lián)規(guī)則的電子商務(wù)個性化推薦模型研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)的不斷普及和電子商務(wù)網(wǎng)站的快速發(fā)展,商品信息過載的問題變得愈發(fā)嚴(yán)峻。怎樣使網(wǎng)站瀏覽者在面對大量的商品信息時(shí)快速有效地查找到其所需的商品,成為當(dāng)前電子商務(wù)網(wǎng)站發(fā)展迫切需要解決的問題。電子商務(wù)推薦系統(tǒng)的出現(xiàn)為這些問題的解決提供了方法,但是目前已存在的一些電子商務(wù)推薦系統(tǒng)在實(shí)際運(yùn)用中還存在著問題,推薦效率較低,有些還不能滿足用戶的個性化需求,因此,對于電子商務(wù)推薦系統(tǒng)和推薦技術(shù)的研究具有比較大的實(shí)用價(jià)值。 推薦技術(shù)是電子商務(wù)推薦系統(tǒng)的研究重點(diǎn),因?yàn)橥扑]技術(shù)的選取是否得當(dāng)直接關(guān)系到推薦質(zhì)量的優(yōu)劣。當(dāng)前國內(nèi)外對于電子商務(wù)推薦技術(shù)的相關(guān)研究中,關(guān)聯(lián)規(guī)則推薦技術(shù)是較為熱門的,但在實(shí)際應(yīng)用中,關(guān)聯(lián)規(guī)則推薦技術(shù)也存在著一些問題,例如：發(fā)現(xiàn)關(guān)聯(lián)規(guī)則難,在數(shù)據(jù)稀疏的情況下較難找到具體商品之間的強(qiáng)關(guān)聯(lián)規(guī)則,算法在執(zhí)行的過程中會產(chǎn)生大量的候選項(xiàng)集等,這些問題急需找到解決方法。 本文針對關(guān)聯(lián)規(guī)則推薦技術(shù)存在的上述問題,提出了一種關(guān)聯(lián)規(guī)則推薦算法,即通過采用概念層次樹與FP增長算法相結(jié)合的方法來進(jìn)行關(guān)聯(lián)規(guī)則挖掘,這種算法既可以解決數(shù)據(jù)稀疏以及商品具體概念繁多等問題,又在計(jì)算的過程中不會產(chǎn)生大量候選項(xiàng)目集,能夠有效地克服Apriori算法的問題,在挖掘時(shí)間上有較大優(yōu)勢。作者使用NET平臺C#語言實(shí)現(xiàn)了該算法,然后通過數(shù)據(jù)實(shí)驗(yàn)將該算法與Apriori算法以及單純的FP增長算法進(jìn)行了挖掘效率的對比,數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明：結(jié)合概念層次樹的FP增長算法相對于Apriori算法和單純的FP增長算法來說同樣具有正確性,并且挖掘效率更高,同時(shí)還可以發(fā)現(xiàn)出不同層次商品間隱含的有價(jià)值的關(guān)系,能夠?yàn)閭�性化推薦模型提供更加豐富、更具普遍意義的知識,并且可以滿足更多用戶的需求。 最后,本文以某一服裝購物網(wǎng)站作為電子商務(wù)個性化推薦模型的應(yīng)用背景,設(shè)計(jì)了基于結(jié)合概念層次樹的FP增長算法的電子商務(wù)個性化推薦模型。個性化推薦模型設(shè)計(jì)的主要內(nèi)容包括推薦模型的體系結(jié)構(gòu)設(shè)計(jì)、推薦模型主要功能分析、推薦模型工作流程分析、推薦模型各個功能子模塊的分析以及后臺數(shù)據(jù)庫設(shè)計(jì)等。該模型通過分析用戶的歷史購買記錄來挖掘用戶的興趣偏好,然后在不斷的更新學(xué)習(xí)中為用戶提供準(zhǔn)確的、實(shí)時(shí)的個性化推薦。
【關(guān)鍵詞】：個性化推薦 關(guān)聯(lián)規(guī)則 概念層次樹 FP增長算法
【學(xué)位授予單位】：東北財(cái)經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TP311.13;F713.36
【目錄】：

• 摘要2-4
• ABSTRACT4-8
• 1 緒論8-15
• 1.1 研究背景8
• 1.2 研究意義8-9
• 1.3 國內(nèi)外研究現(xiàn)狀9-11
• 1.3.1 國外研究現(xiàn)狀9-10
• 1.3.2 國內(nèi)研究現(xiàn)狀10-11
• 1.4 研究內(nèi)容及面臨的問題11-13
• 1.4.1 研究內(nèi)容11
• 1.4.2 面臨的問題11-13
• 1.5 本文工作與組織結(jié)構(gòu)13-14
• 1.5.1 本文工作13
• 1.5.2 組織結(jié)構(gòu)13-14
• 1.6 本章小結(jié)14-15
• 2 相關(guān)理論介紹15-29
• 2.1 電子商務(wù)推薦系統(tǒng)概述15-17
• 2.1.1 電子商務(wù)推薦系統(tǒng)的概念15
• 2.1.2 電子商務(wù)推薦系統(tǒng)的推薦技術(shù)15-17
• 2.2 關(guān)聯(lián)規(guī)則技術(shù)概述17-27
• 2.2.1 基本概念17-18
• 2.2.2 關(guān)聯(lián)規(guī)則分類18-19
• 2.2.3 典型算法19-25
• 2.2.4 多層關(guān)聯(lián)規(guī)則挖掘及相關(guān)概念25-27
• 2.3 基于關(guān)聯(lián)規(guī)則的個性化推薦系統(tǒng)研究概述27-28
• 2.4 本章小結(jié)28-29
• 3 基于概念層次的關(guān)聯(lián)規(guī)則挖掘29-48
• 3.1 關(guān)聯(lián)規(guī)則推薦技術(shù)存在的問題29-30
• 3.2 本文的解決思路30-47
• 3.2.1 概念層次理論的引入30-31
• 3.2.2 挖掘算法的選擇31
• 3.2.3 挖掘關(guān)聯(lián)規(guī)則31-47
• 3.3 本章小結(jié)47-48
• 4 個性化推薦模型設(shè)計(jì)48-60
• 4.1 應(yīng)用背景48-50
• 4.1.1 推薦模型依附的購物網(wǎng)站說明48-49
• 4.1.2 推薦模型的嵌入49-50
• 4.2 個性化推薦模型設(shè)計(jì)50-59
• 4.2.1 推薦模型體系結(jié)構(gòu)分析50-51
• 4.2.2 推薦模型功能分析51-52
• 4.2.3 推薦模型流程分析52-53
• 4.2.4 推薦模型各模塊分析53-56
• 4.2.5 后臺數(shù)據(jù)庫設(shè)計(jì)56-59
• 4.3 本章小結(jié)59-60
• 5 總結(jié)與展望60-62
• 5.1 本文總結(jié)60-61
• 5.2 下一步工作61-62
• 參考文獻(xiàn)62-66
• 后記66-67

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳子陽,郭景峰;多層次關(guān)聯(lián)規(guī)則的快速挖掘算法[J];燕山大學(xué)學(xué)報(bào);2003年04期

2 景麗;陳廣宇;;電子商務(wù)推薦系統(tǒng)中推薦方法研究[J];光盤技術(shù);2006年03期

3 沈紅斌,王士同,吳小俊;一種基于概念層次數(shù)據(jù)庫挖掘一般化關(guān)聯(lián)規(guī)則的算法研究[J];華東船舶工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2002年06期

4 路海明;盧增祥;李衍達(dá);;基于多Agent混合智能實(shí)現(xiàn)個性化網(wǎng)絡(luò)信息推薦[J];計(jì)算機(jī)科學(xué);2000年07期

5 任家東,任東英,高偉;分布式多層關(guān)聯(lián)規(guī)則挖掘[J];計(jì)算機(jī)工程;2003年05期

6 楊引霞,謝康林,朱揚(yáng)勇,左子葉;電子商務(wù)網(wǎng)站推薦系統(tǒng)中關(guān)聯(lián)規(guī)則推薦模型的實(shí)現(xiàn)[J];計(jì)算機(jī)工程;2004年19期

7 張曉敏;王茜;;基于概念層次樹的個性化推薦算法[J];計(jì)算機(jī)工程;2007年24期

8 胡慧蓉,王周敬;一種基于關(guān)系矩陣的關(guān)聯(lián)規(guī)則快速挖掘算法[J];計(jì)算機(jī)應(yīng)用;2005年07期

9 謝芳;王波;;基于關(guān)聯(lián)規(guī)則個性化推薦的改進(jìn)算法[J];計(jì)算機(jī)應(yīng)用;2006年S2期

10 劉勝軍,楊學(xué)兵,蔡慶生;關(guān)系數(shù)據(jù)庫中概念層次自動提取算法研究[J];計(jì)算機(jī)應(yīng)用研究;1999年12期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李媛;電子商務(wù)個性化推薦關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

2 林佳雄;關(guān)聯(lián)規(guī)則挖掘在電子商務(wù)推薦系統(tǒng)中的應(yīng)用研究[D];暨南大學(xué);2011年

3 崔亞洲;一種B2C模式下多模型推薦系統(tǒng)的研究[D];電子科技大學(xué);2006年

4 郗東妹;關(guān)聯(lián)規(guī)則的衡量標(biāo)準(zhǔn)及其算法研究[D];長沙理工大學(xué);2006年

5 周洋;個性化推薦系統(tǒng)推薦引擎原型系統(tǒng)研究[D];對外經(jīng)濟(jì)貿(mào)易大學(xué);2007年

6 曹毅;基于內(nèi)容和協(xié)同過濾的混合模式推薦技術(shù)研究[D];中南大學(xué);2007年

7 張德宇;基于Apriori的電子商務(wù)網(wǎng)站適時(shí)推薦系統(tǒng)的研究與實(shí)現(xiàn)[D];蘇州大學(xué);2008年

8 李朋軒;基于Web挖掘的電子商務(wù)推薦技術(shù)的研究[D];哈爾濱工程大學(xué);2009年

9 蔣

本文編號：263275