本文關(guān)鍵詞：基于專家決策算法的電子商務(wù)推薦系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來，由于計算機網(wǎng)絡(luò)技術(shù)的迅速發(fā)展，借助電子商務(wù)平臺的交易方式已逐步融入到人們的生活當中，電子商務(wù)的興起在很大程度上改變了人們對于傳統(tǒng)商務(wù)行為的認識。由于信息處理技術(shù)的發(fā)展以及客戶對于商品需求的不斷變更，電子商務(wù)推薦系統(tǒng)在最初的單一手工推薦方式的基礎(chǔ)上逐步融入了信息檢索、數(shù)據(jù)挖掘、人工智能等多種現(xiàn)代化技術(shù)手段，于是本文所研究的現(xiàn)代電子商務(wù)推薦應(yīng)運而生。在目前廣泛應(yīng)用的電子商務(wù)推薦系統(tǒng)中，系統(tǒng)通過分析顧客在本平臺以往的瀏覽及購物歷史，并結(jié)合顧客的實時需求來為其做出推薦選擇。電子商務(wù)推薦系統(tǒng)根據(jù)其各自的應(yīng)用領(lǐng)域來選用相應(yīng)的推薦算法，然而，在目前主流的推薦算法當中都普遍存在著兩點不足。第一，對于用戶不經(jīng)常購買的商品，推薦系統(tǒng)無法獲得足夠的客戶信息，包括客戶購買記錄、客戶評價、客戶興趣偏好等，這樣，就不足以支持傳統(tǒng)推薦算法的實現(xiàn)；第二，對于定期推出更新的高科技產(chǎn)品，網(wǎng)絡(luò)上的資料非常有限，缺乏足夠?qū)I(yè)知識的顧客在面對大量的科技含量較高的商品時，會顯得無所適從，難以給出準確的需求描述，這也就給其選擇商品帶來了一定的難度。 針對上文提出的現(xiàn)代電子商務(wù)推薦系統(tǒng)中存在的兩個不足之處，本文提出了基于專家決策算法的電子商務(wù)推薦系統(tǒng)模型，該模型基于多Agent系統(tǒng)來建立。運用該模型，可以有效的解決上述問題。本文深入研究了Agent系統(tǒng)的理論知識，包括FIPA規(guī)范標準、Agent間的通信機制和多Agent系統(tǒng)模式設(shè)計等。隨后本文對當前廣泛應(yīng)用于電子商務(wù)推薦系統(tǒng)中的三種主流推薦策略進行了較為詳細的分析，包括分析其各自的基本概念、算法流程以及各自的優(yōu)缺點和適用領(lǐng)域等。接下來文章提出了專家決策算法，并對其基本原理和算法流程做了比較詳細的分析。最后，本文給出了系統(tǒng)的設(shè)計架構(gòu)和部分結(jié)果展示。 總的來說，本文通過對現(xiàn)代電子商務(wù)推薦系統(tǒng)的深入研究，針對其實際應(yīng)用的空缺之處，提出了應(yīng)用于特定領(lǐng)域的專家決策算法推薦模型，研究成果主要有以下幾點： 1.完成了對當前主流推薦算法的深入研究工作。 分析了當前應(yīng)用廣泛的三大主流推薦策略：基于關(guān)聯(lián)規(guī)則的推薦、基于內(nèi)容的推薦和基于協(xié)同過濾的推薦。深入研究了它們的理論基礎(chǔ)、算法流程以及各自的優(yōu)缺點，，為下一步提出專家決策算法推薦模型做了鋪墊。 2.完成了專家決策算法推薦模型的設(shè)計與實現(xiàn)工作。 本文詳細分析了專家決策推薦算法模型的設(shè)計流程，完成了該模型的專家知識分析模塊和專家推薦決策模塊的設(shè)計，并初步實現(xiàn)了該算法。 3.完成了一套基于JADE平臺的多Agent系統(tǒng)設(shè)計工作。 將專家決策算法與多Agent系統(tǒng)相結(jié)合，從而在JADE平臺上完成了基于專家決策算法的多Agent推薦系統(tǒng)的初步實現(xiàn)。 本文在研究中提出的創(chuàng)新點是：提出了一種應(yīng)用于電子商務(wù)推薦領(lǐng)域的基于多Agent系統(tǒng)的專家決策推薦算法模型。 本文通過對電子商務(wù)推薦系統(tǒng)實際應(yīng)用的研究，針對該領(lǐng)域應(yīng)用的空白之處，專門提出并設(shè)計了一種特定應(yīng)用的推薦算法——專家決策推薦算法。該算法比較適用于對科技含量較高且用戶不經(jīng)常購買的商品進行推薦。
【關(guān)鍵詞】：電子商務(wù)推薦系統(tǒng) 專家決策算法 主流推薦策略 多Agent系統(tǒng)
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TP18;TP391.3
【目錄】：

• 摘要4-6
• Abstract6-9
• 目錄9-12
• 第1章 引言12-17
• 1.1 研究背景12
• 1.2 國內(nèi)外的研究現(xiàn)狀12-13
• 1.3 本文的主要研究目標與內(nèi)容13-16
• 1.3.1 研究目標13
• 1.3.2 研究內(nèi)容13-14
• 1.3.3 論文組織結(jié)構(gòu)14-16
• 1.4 本章小結(jié)16-17
• 第2章 電子商務(wù)推薦系統(tǒng)相關(guān)技術(shù)研究17-20
• 2.1 電子商務(wù)推薦系統(tǒng)分類17-18
• 2.2 相關(guān)技術(shù)研究18-19
• 2.2.1 信息檢索技術(shù)18
• 2.2.2 信息過濾技術(shù)18-19
• 2.2.3 研究目標數(shù)據(jù)挖掘技術(shù)19
• 2.3 本章小結(jié)19-20
• 第3章 Agent理論研究20-28
• 3.1 Agent技術(shù)簡介20
• 3.2 JADE開發(fā)平臺20-24
• 3.2.1 FIPA規(guī)范21-22
• 3.2.2 基于JADE的開發(fā)環(huán)境簡介22-24
• 3.3 多Agent系統(tǒng)體系24-27
• 3.3.1 Agent通信24-26
• 3.3.2 多Agent系統(tǒng)模式設(shè)計26-27
• 3.4 本章小結(jié)27-28
• 第4章 主流電子商務(wù)推薦系統(tǒng)策略分析28-43
• 4.1 基于關(guān)聯(lián)規(guī)則的推薦策略28-32
• 4.1.1 關(guān)聯(lián)規(guī)則算法概述28-29
• 4.1.2 Apriori算法29-31
• 4.1.3 Top-N推薦算法31-32
• 4.2 基于內(nèi)容的推薦策略32-36
• 4.2.1 基于內(nèi)容的推薦算法概述32-34
• 4.2.2 基于文本的推薦算法分析34-35
• 4.2.3 Rocchio算法35-36
• 4.3 基于協(xié)同過濾的推薦策略36-41
• 4.3.1 DAKNNs算法分析38-40
• 4.3.2 基于內(nèi)存的協(xié)同過濾推薦算法40-41
• 4.3.3 基于降維的協(xié)同過濾推薦算法41
• 4.4 本章小結(jié)41-43
• 第5章 專家決策算法分析43-48
• 5.1 專家決策算法概述43
• 5.2 專家決策算法的實現(xiàn)流程及分析43-47
• 5.2.1 專家知識分析模塊43-44
• 5.2.2 專家決策推薦模塊44-47
• 5.3 本章小結(jié)47-48
• 第6章 系統(tǒng)設(shè)計與結(jié)果測試48-60
• 6.1 多Agent系統(tǒng)框架設(shè)計48-50
• 6.2 Agent模型設(shè)計與實現(xiàn)50-54
• 6.2.1 用戶交互Agent模塊50-51
• 6.2.2 專家知識分析Agent模塊51-52
• 6.2.3 專家決策推薦Agent模塊52-54
• 6.3 數(shù)據(jù)庫的設(shè)計54-56
• 6.3.1 原始商品數(shù)據(jù)庫55-56
• 6.3.2 用戶檔案數(shù)據(jù)庫56
• 6.3.3 決策矩陣數(shù)據(jù)庫56
• 6.4 算法模型的實驗測試56-59
• 6.5 本章小結(jié)59-60
• 總結(jié)與展望60-62
• 致謝62-63
• 參考文獻63-66
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文66

【參考文獻】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 張一平;基于Agent的餐飲個性化推薦建模與仿真研究[D];大連理工大學(xué);2011年

2 陳敏;基于JADE平臺的信息代理的研究及實現(xiàn)[D];暨南大學(xué);2005年

3 鄭素娥;基于分布式多Agent的供應(yīng)鏈協(xié)商模型研究與實現(xiàn)[D];華南理工大學(xué);2010年

  本文關(guān)鍵詞：基于專家決策算法的電子商務(wù)推薦系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

本文編號：350164