本文關(guān)鍵詞：面向旅游電子商務(wù)的數(shù)據(jù)挖掘研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著經(jīng)濟的蓬勃發(fā)展，人們的生活水平不斷提高，旅游業(yè)也得到了前所未有的發(fā)展，旅游電子商務(wù)應(yīng)運而生。旅游商家之間的競爭日益激烈，如何整合資源，為旅游者提供滿意的服務(wù)，從而形成穩(wěn)定的客源成為商家競爭的熱點。如今旅游商家面臨的一個共同的問題就是旅游電子商務(wù)系統(tǒng)收集了大量的數(shù)據(jù)，卻沒有得到真正有價值的信息。把數(shù)據(jù)挖掘技術(shù)應(yīng)用到旅游電子商務(wù)，，通過對相關(guān)數(shù)據(jù)的挖掘，進而為旅游者提供個性化的服務(wù)成為旅游服務(wù)商家提升自身競爭力的有效方式。 本文首先介紹了旅游電子商務(wù)相關(guān)概念、存在的問題及發(fā)展方向。并分析了在旅游電子商務(wù)推薦系統(tǒng)中所使用的相關(guān)技術(shù)。詳細的介紹了個性化推薦系統(tǒng)中常用的幾種推薦算法。 本文主要研究了旅游電子商務(wù)個性化推薦系統(tǒng)及數(shù)據(jù)挖掘在推薦中的應(yīng)用。本文在研究個性化推薦技術(shù)的基礎(chǔ)上，構(gòu)建了一個旅游電子商務(wù)個性化推薦方法，即先聚類后關(guān)聯(lián)規(guī)則挖掘的方法。利用用戶的瀏覽行為數(shù)據(jù)建立用戶-產(chǎn)品興趣度矩陣，然后利用聚類方法對用戶進行聚類分析，在同一類用戶的事務(wù)數(shù)據(jù)庫中進行關(guān)聯(lián)規(guī)則挖掘，然后在線對關(guān)聯(lián)規(guī)則進行過濾，將結(jié)果推薦給用戶。 針對旅游電子商務(wù)數(shù)據(jù)異構(gòu)問題，用戶對產(chǎn)品的評分值不容易得到、用戶-產(chǎn)品評價信息不足的情況下，提出了運用用戶-產(chǎn)品興趣度矩陣來代替用戶-產(chǎn)品評價矩陣的方法，同時提出了用戶-興趣度矩陣模型的創(chuàng)建方法，從而解決了用戶-產(chǎn)品評價信息不足情況下的推薦問題。 改進了關(guān)聯(lián)規(guī)則挖掘算法。針對傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘算法挖掘效率低的情況，提出了一種新的挖掘關(guān)聯(lián)規(guī)則頻繁項目集的方法，該方法基于分解事務(wù)矩陣，減少了項集比較次數(shù)，避免了重復(fù)掃描數(shù)據(jù)庫的缺點，通過實驗證明，改進算法能有效提高頻繁項挖掘效率。
【關(guān)鍵詞】：旅游電子商務(wù) 數(shù)據(jù)挖掘 推薦系統(tǒng) 關(guān)聯(lián)規(guī)則
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP311.13
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 研究背景10-11
• 1.2 研究目的與意義11-12
• 1.3 國內(nèi)外研究現(xiàn)狀12-14
• 1.4 研究內(nèi)容14
• 1.5 論文結(jié)構(gòu)14-16
• 第二章 相關(guān)技術(shù)及理論介紹16-32
• 2.1 旅游電子商務(wù)16-20
• 2.1.1 旅游電子商務(wù)定義及其特點16-17
• 2.1.2 旅游電子商務(wù)的分類17-18
• 2.1.3 旅游電子商務(wù)的 SWOT 分析18-20
• 2.2 數(shù)據(jù)挖掘20-23
• 2.2.1 數(shù)據(jù)挖掘的定義20
• 2.2.2 數(shù)據(jù)挖掘的功能20-21
• 2.2.3 數(shù)據(jù)挖掘的過程21-22
• 2.2.4 數(shù)據(jù)挖掘在旅游電子商務(wù)中的應(yīng)用22-23
• 2.3 電子商務(wù)個性化推薦系統(tǒng)概述23-26
• 2.3.1 個性化推薦系統(tǒng)概念24
• 2.3.2 個性化推薦系統(tǒng)作用24-25
• 2.3.3 個性化推薦系統(tǒng)的研究內(nèi)容25-26
• 2.4 個性化推薦技術(shù)分類及優(yōu)缺點26-29
• 2.4.1 基于內(nèi)容過濾的推薦26-27
• 2.4.2 基于關(guān)聯(lián)規(guī)則的推薦27-28
• 2.4.3 基于協(xié)同過濾的推薦28-29
• 2.4.4 混合推薦的技術(shù)29
• 2.5 協(xié)同過濾推薦技術(shù)29-31
• 2.5.1 相關(guān)概念29-30
• 2.5.2 基于用戶的協(xié)同過濾推薦算法30-31
• 2.5.3 基于項目的協(xié)同過濾推薦算法31
• 2.6 本章小結(jié)31-32
• 第三章 基于用戶興趣度矩陣進行聚類32-40
• 3.1 旅游電子商務(wù)個性化推薦主要研究內(nèi)容32-33
• 3.1.1 旅游電子商務(wù)個性化推薦面臨的問題32
• 3.1.2 旅游電子商務(wù)個性化推薦流程32-33
• 3.2 目前的用戶聚類算法33-36
• 3.2.1 聚類分析定義33-34
• 3.2.2 主要聚類算法34-36
• 3.2.3 目前用戶聚類用到的數(shù)據(jù)結(jié)構(gòu)36
• 3.3 利用用戶興趣度來建立數(shù)據(jù)矩陣36-39
• 3.3.1 收集用戶興趣的方式37
• 3.3.2 建立用戶-產(chǎn)品的興趣度矩陣37-39
• 3.4 本章小結(jié)39-40
• 第四章 關(guān)聯(lián)規(guī)則挖掘及其改進40-48
• 4.1 基本概念與解決方法40-41
• 4.2 經(jīng)典關(guān)聯(lián)規(guī)則挖掘算法41-42
• 4.2.1 Apriori 算法41
• 4.2.2 FP-growth 算法41-42
• 4.3 改進的關(guān)聯(lián)規(guī)則挖掘算法42-46
• 4.3.1 分解事務(wù)矩陣構(gòu)造方法43-44
• 4.3.2 頻繁 2 項目集的生成方法44
• 4.3.3 由頻繁 k -1 項目集生成頻繁 k 項目集的方法44-46
• 4.4 實驗分析46-47
• 4.5 本章小結(jié)47-48
• 第五章 旅游電子商務(wù)個性化推薦系統(tǒng)設(shè)計48-51
• 5.1 數(shù)據(jù)收集模塊48-49
• 5.2 推薦模塊49-50
• 5.2.1 離線推薦模塊49-50
• 5.2.2 在線推薦模塊50
• 5.3 輸出模塊50
• 5.4 本章小結(jié)50-51
• 第六章 總結(jié)與展望51-53
• 參考文獻53-58
• 致謝58-59
• 詳細摘要59-61

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王麗雯;理解客戶關(guān)系管理——談客戶關(guān)系管理的戰(zhàn)略意義[J];商業(yè)研究;2003年05期

2 劉芳;林拉;;旅游電子商務(wù)系統(tǒng)中個性化信息服務(wù)功能的設(shè)計研究[J];電腦知識與技術(shù);2009年22期

3 羅建華;陳建科;;基于旅游電子商務(wù)中數(shù)據(jù)挖掘應(yīng)用的研究[J];電子商務(wù);2011年08期

4 劉其飛;胡宏濤;;數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用研究[J];計算機光盤軟件與應(yīng)用;2012年03期

5 常睿;;Apriori算法的一種改進方法[J];計算機光盤軟件與應(yīng)用;2012年19期

6 周德仿;論中國旅游電子商務(wù)的發(fā)展[J];湖北師范學(xué)院學(xué)報(哲學(xué)社會科學(xué)版);2004年02期

7 譚瓊;李曉黎;史忠植;;一種實現(xiàn)搜索引擎?zhèn)�性化服務(wù)的方法[J];計算機科學(xué);2002年01期

8 曾波;;一種基于單事務(wù)項集組合的頻繁項集挖掘算法[J];計算機科學(xué);2008年01期

9 陳志敏;李志強;;基于用戶特征和項目屬性的協(xié)同過濾推薦算法[J];計算機應(yīng)用;2011年07期

10 吳顏;沈潔;顧天竺;陳曉紅;李慧;張舒;;協(xié)同過濾推薦系統(tǒng)中數(shù)據(jù)稀疏問題的解決[J];計算機應(yīng)用研究;2007年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 郁雪;基于協(xié)同過濾技術(shù)的推薦方法研究[D];天津大學(xué);2009年

  本文關(guān)鍵詞：面向旅游電子商務(wù)的數(shù)據(jù)挖掘研究，由筆耕文化傳播整理發(fā)布。

本文編號：276863