本文關鍵詞：一種混合模式電子商務推薦技術的研究，由筆耕文化傳播整理發(fā)布。

【摘要】： 隨著互聯網的普及和發(fā)展,電子商務逐漸融入到人們的日常生活中,人們可以足不出戶的買到自己想要的產品。但是電子商務網站上存在大量的商品信息,客戶在紛繁的商品中尋找有用的信息非常困難。在這種情況下電子商務推薦系統(tǒng)應運而生,逐漸成為電子商務技術的一項重要研究內容,相關技術越來越多地得到研究者的關注。本文針對推薦系統(tǒng)中存在的一些問題,做了如下研究內容: 首先,電子商務推薦系統(tǒng)中涉及到一個重要的技術是挖掘頻繁項集。在實際應用中,隨著日志不斷更新,事務數據庫處于變化之中,從而改變了挖掘出的原有模式。本文通過引入次頻繁項對應原事務標識符的索引來確定需要處理原數據庫的哪些事務,減少了這一過程所消耗的時間,并用基于壓縮FP-tree和矩陣技術代替原始FP-growth挖掘出頻繁模式。 第二,協(xié)同過濾技術是電子商務推薦系統(tǒng)中應用得比較成功的技術之一。本文通過把項目的類型相似度引入到項目相似度的計算中,從而更加準確地得到項目的最近鄰居和用戶之間的相似度,最終更加有效地推薦出用戶感興趣的商品。 第三,本文根據由頻繁模式作出的商品推薦和由協(xié)同過濾作出的商品推薦各自的優(yōu)點,將兩種方法進行了有效的整合,發(fā)揮出各自的優(yōu)點。實驗表明,組合后的算法比單獨使用兩種技術有著更好的推薦效果。 最后,本文采用MovieLens站點提供的數據集作為測試數據,驗證了混合模式推薦技術的有效性。 綜上所述,本文實現了由頻繁模式挖掘和協(xié)同過濾技術組合而成的電子商務推薦系統(tǒng)。有效解決了由事務數據庫動態(tài)更新引起的頻繁模式動態(tài)更新問題,通過引入項目的類型相似度提高了推薦系統(tǒng)的推薦效果,并有效組合了兩種推薦技術,實驗結果體現出本文算法的優(yōu)越性,具有一定的現實意義。
【關鍵詞】：增量挖掘 信息推薦 協(xié)同過濾
【學位授予單位】：蘇州大學
【學位級別】：碩士
【學位授予年份】：2010
【分類號】：TP311.13
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-16
• 1.1 課題背景9-10
• 1.2 課題研究現狀10-12
• 1.2.1 頻繁模式挖掘的國內外研究現狀10-11
• 1.2.2 協(xié)同過濾的國內外研究現狀11-12
• 1.3 課題研究內容12-13
• 1.4 課題研究意義13-14
• 1.5 文章組織結構14-16
• 第二章 相關技術概述16-28
• 2.1 數據挖掘和頻繁模式挖掘16-21
• 2.2 電子商務個性化推薦系統(tǒng)21-22
• 2.3 電子商務推薦系統(tǒng)的組成模塊22-24
• 2.4 電子商務個性化推薦技術24-28
• 第三章 電子商務推薦系統(tǒng)的整體框架28-35
• 3.1 推薦系統(tǒng)的整體框架圖28
• 3.2 基于頻繁模式的信息推薦模塊28-31
• 3.3 基于協(xié)同過濾的信息推薦模塊31-33
• 3.4 系統(tǒng)框架的優(yōu)越性33-35
• 第四章 頻繁模式挖掘與信息推薦35-58
• 4.1 頻繁模式形式化定義35-37
• 4.2 頻繁模式挖掘算法37-45
• 4.2.1 Apriori算法及其改進37-38
• 4.2.2 FP-growth算法38-43
• 4.2.3 FP-growth的改進算法43-45
• 4.3 增量挖掘及有關算法45-50
• 4.3.1 增量挖掘的概念45-46
• 4.3.2 基于Apriori的增量挖掘算法46-48
• 4.3.3 基于FP-growth的增量挖掘算法48-50
• 4.4 一種改進的增量挖掘算法50-56
• 4.4.1 一種改進的增量挖掘算法描述51-53
• 4.4.2 關于該改進算法的示例53-55
• 4.4.3 實驗結果分析55-56
• 4.5 基于頻繁模式的信息推薦56-58
• 第五章 協(xié)同過濾技術與信息推薦58-73
• 5.1 基于協(xié)同過濾的推薦系統(tǒng)58-62
• 5.1.1 基于協(xié)同過濾的推薦系統(tǒng)簡介58-59
• 5.1.2 協(xié)同過濾推薦系統(tǒng)的優(yōu)缺點分析59-61
• 5.1.3 推薦結果的評價61-62
• 5.2 未評分項評分預測技術62-67
• 5.2.1 基于項目評分預測的協(xié)同過濾技術62-65
• 5.2.2 基于鄰域最近鄰的協(xié)同過濾技術65-67
• 5.3 基于類型相似度評分預測的協(xié)同過濾算法67-73
• 5.3.1 算法的提出67-68
• 5.3.2 算法的描述68-71
• 5.3.3 項目類型相似度權重的確定71-72
• 5.3.4 算法的總結72-73
• 第六章 實驗及結果分析73-80
• 6.1 實驗數據集介紹73-75
• 6.2 基于類型相似度評分預測的推薦結果比較75-78
• 6.3 基于協(xié)同過濾技術和頻繁模式發(fā)現的推薦結果比較78-80
• 第七章 總結與展望80-82
• 7.1 總結80-81
• 7.2 展望81-82
• 參考文獻82-88
• 攻讀碩士學位期間發(fā)表的論文88-89
• 致謝89-90

【相似文獻】

中國期刊全文數據庫 前10條

1 劉芝怡;尹飛鴻;;基于FP-矩陣的頻繁項集挖掘算法[J];中國制造業(yè)信息化;2011年15期

2 蘇勇;鄭昭華;范玉玲;;數據流中的頻繁項集挖掘[J];信息技術;2011年06期

3 范黎林;林衛(wèi);;矩陣約束下的頻繁項集挖掘方法研究[J];計算機工程與應用;2011年21期

4 張曉霞;;基于VLC的校園信息發(fā)布系統(tǒng)[J];通信技術;2011年07期

5 劉海蓉;閆仁武;;一種改進的加權關聯規(guī)則挖掘算法[J];現代電子技術;2011年12期

6 黃名選;馬瑞興;蘭慧紅;;面向查詢擴展的特征詞頻繁項集挖掘算法[J];現代圖書情報技術;2011年04期

7 邵靜;;Ps色彩和色調調整實用技術分析[J];軟件導刊;2011年06期

8 宋威;劉文博;李晉宏;;基于動態(tài)裁剪頻繁模式樹的頻繁項集并發(fā)挖掘算法[J];山東大學學報(工學版);2011年04期

9 張浩;景鳳宣;謝曉堯;;基于數據挖掘關聯規(guī)則Apriori改進算法的入侵檢測系統(tǒng)的研究[J];貴州師范大學學報(自然科學版);2011年03期

10 劉上力;楊清;;基于興趣度剪枝的Apriori優(yōu)化算法[J];鄭州輕工業(yè)學院學報(自然科學版);2011年04期

中國重要會議論文全文數據庫 前10條

1 楊曉明;王晨;汪衛(wèi);張守志;施伯樂;;頻繁項集的精簡表達與還原問題研究[A];第二十一屆中國數據庫學術會議論文集（技術報告篇）[C];2004年

2 劉馬金;王鵬;汪衛(wèi);;一種輪轉的數據流頻繁項挖掘算法[A];NDBC2010第27屆中國數據庫學術會議論文集(B輯)[C];2010年

3 肖志祥;陳海昕;符松;;采用LES/RANS混合模式研究分離流動[A];近代空氣動力學研討會論文集[C];2005年

4 朱海波;姚青;陳志勇;;混合模式下的Web服務發(fā)現[A];第二十二屆中國數據庫學術會議論文集（技術報告篇）[C];2005年

5 謝志軍;陳紅;;EFIM——數據流上頻繁項集挖掘的高性能算法[A];第二十三屆中國數據庫學術會議論文集（技術報告篇）[C];2006年

6 李坤;王永炎;王宏安;;一種基于樂觀裁剪策略的挖掘數據流滑動窗口上閉合頻繁項集的算法[A];第二十五屆中國數據庫學術會議論文集（二）[C];2008年

7 許小可;張捷;孫俊峰;司馬樂;;修正復雜網絡中的匹配系數[A];第五屆全國復雜網絡學術會議論文（摘要）匯集[C];2009年

8 鄒遠婭;周皓峰;王晨;汪衛(wèi);施伯樂;;FSC——利用頻繁項集挖掘估算視圖大小[A];第二十一屆中國數據庫學術會議論文集（研究報告篇）[C];2004年

9 陳曉云;李龍杰;馬志新;白伸伸;王磊;;AFP-Miner:一種新高效的頻繁項集挖掘算法[A];2006年全國理論計算機科學學術年會論文集[C];2006年

10 吳強;;點面混合模式的Lanchester模型[A];管理科學與系統(tǒng)科學進展——全國青年管理科學與系統(tǒng)科學論文集（第4卷）[C];1997年

中國重要報紙全文數據庫 前10條

1 野云飛;美國居住走向混合模式[N];建筑時報;2002年

2 羅德與施瓦茨中國有限公司 蘇民生;1x RTT到1x EV-DO混合模式測試[N];通信產業(yè)報;2008年

3 ;巧用PhotoShop，，你不再是菜鳥[N];中國計算機報;2005年

4 cpw記者　何冰玉;推行混合模式 華碩加強渠道合作[N];電腦商報;2003年

5 CUBN記者 蘇慧;模式陳腐 eBay壓力難解[N];中國聯合商報;2008年

6 楊禹俠;從單一方案走向混合模式[N];人民郵電;2002年

7 黃岳;雅虎“變臉”[N];電腦報;2006年

8 李琨;BEA提出SOA四大策略[N];中國計算機報;2006年

9 本報記者　 方帥;讓利模式帶來雙贏[N];中國房地產報;2006年

10 本報評論員 唐學鵬;建議應采納混合型的社保體制[N];21世紀經濟報道;2006年

中國博士學位論文全文數據庫 前10條

1 屠莉;流數據的頻繁項挖掘及聚類的關鍵技術研究[D];南京航空航天大學;2009年

2 毛伊敏;數據流頻繁模式挖掘關鍵算法及其應用研究[D];中南大學;2011年

3 李力;數據挖掘方法研究及其在中藥復方配伍分析中的應用[D];西南交通大學;2003年

4 溫磊;基于有向項集圖的關聯規(guī)則挖掘算法研究與應用[D];天津大學;2004年

5 吳學雁;金融時間序列模式挖掘方法的研究[D];華南理工大學;2010年

6 王卉;最大頻繁項集挖掘算法及應用研究[D];華中科技大學;2004年

7 王彬;等離子體耦合腔行波管高頻特性及電子槍的研究[D];電子科技大學;2008年

8 肖鈴;國際刑事證據規(guī)則研究[D];西南政法大學;2009年

9 葉飛躍;關聯規(guī)則及其元規(guī)則挖掘技術研究[D];南京航空航天大學;2006年

10 陳耿;面向中觀審計的規(guī)則發(fā)現算法研究[D];東南大學;2005年

中國碩士學位論文全文數據庫 前10條

1 彭利勇;基于C/S與B/S混合模式的信息系統(tǒng)研究[D];天津師范大學;2010年

2 陳穎;基于B/S和C/S混合模式開發(fā)的人力資源管理系統(tǒng)設計與實現[D];電子科技大學;2010年

3 李春喜;一種混合模式電子商務推薦技術的研究[D];蘇州大學;2010年

4 張力;基于混合模式下IT企業(yè)渠道營銷的研究[D];北京郵電大學;2007年

5 胡昌桂;基于C/S和B/S混合模式的海事管理信息系統(tǒng)[D];武漢理工大學;2004年

6 鄭一凡;混合模式之船舶檢驗管理信息系統(tǒng)總體方案研究[D];上海海事大學;2005年

7 王景;混合模式接口傳感器數字通信系統(tǒng)的研究與設計[D];燕山大學;2011年

8 黃秋麗;關于在我國股票市場引入做市商制度的探討[D];西南財經大學;2007年

9 王立梅;基于ERP混合模式家具企業(yè)管理信息系統(tǒng)的研究與實現[D];東北林業(yè)大學;2008年

10 鄧凱;混合模式的HIS及其分布式新技術[D];武漢理工大學;2003年

  本文關鍵詞：一種混合模式電子商務推薦技術的研究，由筆耕文化傳播整理發(fā)布。

本文編號：318351