發(fā)布時間：2017-03-24 15:07

  本文關鍵詞：基于關聯(lián)規(guī)則的電子商務智能推薦系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)的普及，使得人們從傳統(tǒng)的購物方式逐漸向網(wǎng)絡購物方式轉移。使得越來越多的用戶在足不出戶的情況下，電子商務系統(tǒng)成為更多用戶選擇的購物方式。但隨著網(wǎng)站結構日益復雜以及商品種類信息越來越多也帶來一個重要問題，用戶經(jīng)常會迷失在海量的商品信息空間中，無法順利找出自己所需要的商品。因此，一個優(yōu)質(zhì)高效的電子商務推薦系統(tǒng)如何提高電子商務網(wǎng)站的競爭力與銷售能力，有效地留住客戶，已經(jīng)逐漸成為電子商務網(wǎng)站中關鍵技術的研究內(nèi)容，成為縱多研究者關注的焦點。 各大電子商務網(wǎng)站通過推薦系統(tǒng)向用戶提供多樣化的推薦服務，使得推薦技術在實際的應用中獲得了良好的效益。同時隨著用戶人數(shù)的指數(shù)增長與網(wǎng)站內(nèi)容結構規(guī)模的不斷擴大，也給推薦系統(tǒng)帶來諸如推薦效率，推薦精度方面的挑戰(zhàn)。本文從以下幾點針對電子商務推薦所遇到的主要問題和所涉及的技術進行分析研究。 本文首先分析了電子商務和數(shù)據(jù)挖掘的國內(nèi)外研究現(xiàn)狀并且闡述了本課題的研究意義。其次詳細介紹了電子商務推薦系統(tǒng)中所涉及到的技術包括數(shù)據(jù)挖掘和Web數(shù)據(jù)挖掘。對數(shù)據(jù)挖掘技術作了詳細闡述，介紹了數(shù)據(jù)挖掘的功能、挖掘過程、常用算法和基本任務。Web數(shù)據(jù)挖掘在電子商務推薦系統(tǒng)中所起的作用。通過電子商務推薦系統(tǒng)的簡單模型介紹了其具體的工作流程和具體運用到的技術。最后，也是本文的關鍵，通過對Apriori算法中的項集分段并在此基礎上提出了一種基于布爾矩陣的改進算法。并將改進的算法應用于推薦系統(tǒng)中使其可以提高系統(tǒng)的推薦質(zhì)量，增加商家的銷售量。 本文對Apriori改進算法仍存在不足之處，在提供實時推薦服務的同時，，對于如何高效提高推薦系統(tǒng)的推薦質(zhì)量還需要做進一步的研究。如何將本文改進的算法與其他推薦算法組合的使用，使得各自算法的優(yōu)點能夠在推薦系統(tǒng)中得到更好的發(fā)揮也是下一步的研究方向。
【關鍵詞】：電子商務 數(shù)據(jù)挖掘 推薦系統(tǒng) 關聯(lián)規(guī)則
【學位授予單位】：遼寧科技大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TP311.13;TP391.3
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-14
• 1.1 研究背景9-10
• 1.2 電子商務國內(nèi)外研究現(xiàn)狀10-11
• 1.3 數(shù)據(jù)挖掘國內(nèi)外研究現(xiàn)狀11-12
• 1.4 本文的研究工作及組織結構12-13
• 1.4.1 研究工作12
• 1.4.2 論文組織結構12-13
• 1.5 本章小結13-14
• 第二章 數(shù)據(jù)挖掘技術簡介14-25
• 2.1 數(shù)據(jù)挖掘簡述14-15
• 2.2 數(shù)據(jù)挖掘15-20
• 2.2.1 數(shù)據(jù)挖掘功能15-17
• 2.2.2 數(shù)據(jù)挖掘過程17-18
• 2.2.3 數(shù)據(jù)挖掘常用算法18-19
• 2.2.4 數(shù)據(jù)挖掘基本任務19-20
• 2.3 Web 數(shù)據(jù)挖掘20-24
• 2.3.1 Web 數(shù)據(jù)挖掘簡介20-21
• 2.3.2 Web 數(shù)據(jù)挖掘分類21-24
• 2.4 本章小結24-25
• 第三章 電子商務推薦系統(tǒng)25-34
• 3.1 電子商務推薦系統(tǒng)簡介25-28
• 3.1.1 電子商務推薦系統(tǒng)的意義25-26
• 3.1.2 電子商務推薦系統(tǒng)的算法26
• 3.1.3 電子商務推薦系統(tǒng)采用的方法26-28
• 3.1.4 電子商務推薦系統(tǒng)的分類28
• 3.2 電子商務推薦系統(tǒng)模型28-30
• 3.3 電子商務推薦系統(tǒng)的輸入/輸出30-32
• 3.3.1 電子商務推薦系統(tǒng)的輸入30-31
• 3.3.2 電子商務推薦系統(tǒng)的輸出31-32
• 3.4 電子商務推薦算法面臨的挑戰(zhàn)32-33
• 3.5 本章小結33-34
• 第四章 基于關聯(lián)規(guī)則的數(shù)據(jù)挖掘算法研究34-59
• 4.1 關聯(lián)規(guī)則挖掘的基本概念34-36
• 4.2 關聯(lián)規(guī)則經(jīng)典算法—Apriori 算法36-43
• 4.2.1 Apriori 算法思想36-37
• 4.2.2 Apriroi 算法描述37-39
• 4.2.3 Apriori 算法實例39-42
• 4.2.4 Apriori 算法的優(yōu)化42-43
• 4.3 改進的 Apriori 算法43-50
• 4.3.1 相關定義43-44
• 4.3.2 改進算法的主要思想44-48
• 4.3.3 改進算法優(yōu)缺點48
• 4.3.4 實驗結果及分析48-50
• 4.4 分段算法在實際中的應用50-53
• 4.5 初步設計電子商務智能推薦系統(tǒng)53-57
• 4.6 關聯(lián)規(guī)則生成模塊步驟57-58
• 4.7 本章小結58-59
• 第五章 總結與展望59-60
• 5.1 總結59
• 5.2 展望59-60
• 參考文獻60-63
• 攻讀碩士學位期間發(fā)表學術論文情況63-64
• 致謝64-65
• 作者簡介65-66

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前9條

1 鮑玉斌,王大玲,于戈;關聯(lián)規(guī)則和聚類分析在個性化推薦中的應用[J];東北大學學報;2003年12期

2 劉以安;羊斌;;關聯(lián)規(guī)則挖掘中對Apriori算法的一種改進研究[J];計算機應用;2007年02期

3 黃飛雪,周東清,孫萬軍,馮青;基于神經(jīng)網(wǎng)絡的數(shù)據(jù)采掘技術[J];計算機應用研究;2000年09期

4 戚飛;侯國慶;;電子商務學科應用領域問題探析[J];內(nèi)蒙古農(nóng)業(yè)大學學報(自然科學版);2006年04期

5 竇俊霞;;電子商務在我國發(fā)展的現(xiàn)狀及對策分析[J];求實;2011年S2期

6 袁萬蓮;鄭誠;翟明清;;一種改進的Apriori算法[J];計算機技術與發(fā)展;2008年05期

7 王柏盛;劉寒冰;靳書和;馬麗艷;;基于矩陣的關聯(lián)規(guī)則挖掘算法[J];微計算機信息;2007年15期

8 楊喬林;Internet上的電子商務[J];計算機系統(tǒng)應用;1998年11期

9 劉興雨;數(shù)據(jù)挖掘技術及在電子商務中的應用[J];計算機系統(tǒng)應用;2001年06期

  本文關鍵詞：基于關聯(lián)規(guī)則的電子商務智能推薦系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

本文編號：265767