本文關(guān)鍵詞：基于CBR和web日志挖掘的電子商務(wù)推薦系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著電子商務(wù)的迅速發(fā)展,商家和客戶在享受網(wǎng)絡(luò)帶來(lái)便捷的同時(shí),信息/產(chǎn)品過(guò)載現(xiàn)象日益嚴(yán)峻,客戶淹沒(méi)在海量信息中卻無(wú)法快速找到自己需要的商品,商家也面臨失去顧客導(dǎo)致銷(xiāo)售困難等難題。在這種情況下,電子商務(wù)推薦系統(tǒng)應(yīng)運(yùn)而生。 電子商務(wù)推薦系統(tǒng)即利用電子商務(wù)網(wǎng)站向客戶提供商品信息和建議,幫助用戶決定應(yīng)該購(gòu)買(mǎi)什么產(chǎn)品,模擬銷(xiāo)售人員幫助客戶完成購(gòu)買(mǎi)的過(guò)程。常采用的推薦技術(shù)有：基于內(nèi)容過(guò)濾、基于協(xié)同過(guò)濾、基于知識(shí)發(fā)現(xiàn)、基于效用等。其中基于內(nèi)容和基于協(xié)同過(guò)濾技術(shù)應(yīng)用最為廣泛,但是基于內(nèi)容的推薦系統(tǒng)依賴于項(xiàng)目特征的提取,而且只能發(fā)現(xiàn)和用戶已有興趣相似的信息,不能為用戶發(fā)現(xiàn)新的感興趣的資源。基于協(xié)同過(guò)濾推薦系統(tǒng)也存在冷啟動(dòng)、評(píng)價(jià)稀疏等問(wèn)題。 本文分析了案例推理和web日志挖掘與電子商務(wù)推薦系統(tǒng)相結(jié)合的可行性,綜合CBR和web日志挖掘的特點(diǎn),提出一個(gè)可行的方案,對(duì)于容易形式化的部分,由web日志挖掘處理；對(duì)于形象化的描述以及難以結(jié)構(gòu)化描述的問(wèn)題,用案例推理來(lái)完成,充分運(yùn)用多層次的知識(shí),提高了電子商務(wù)推薦系統(tǒng)性能。同時(shí),本文給出了基于B/S和多層結(jié)構(gòu)設(shè)計(jì)思想的電子商務(wù)推薦系統(tǒng)設(shè)計(jì)方案,給出了實(shí)現(xiàn)的關(guān)鍵技術(shù)。
【關(guān)鍵詞】：電子商務(wù) 推薦系統(tǒng) 案例推理 web 日志挖掘
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類(lèi)號(hào)】：TP391.3
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-13
• 1.1 研究背景及意義7-9
• 1.1.1 研究背景7-8
• 1.1.2 研究意義8-9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀9-11
• 1.3 傳統(tǒng)電子商務(wù)推薦系統(tǒng)的主要問(wèn)題11
• 1.4 論文研究?jī)?nèi)容11-13
• 第二章 電子商務(wù)推薦技術(shù)介紹13-27
• 2.1 電子商務(wù)推薦系統(tǒng)13-18
• 2.1.1 電子商務(wù)推薦系統(tǒng)概述13-14
• 2.1.2 傳統(tǒng)推薦技術(shù)14-18
• 2.2 案例推理技術(shù)18-21
• 2.2.1 案例推理的概述18
• 2.2.2 案例推理關(guān)鍵技術(shù)18-21
• 2.3 WEB日志挖掘技術(shù)21-27
• 2.3.1 web日志挖掘的概述21-22
• 2.3.2 web日志挖掘步驟22-27
• 第三章 基于CBR和WEB日志挖掘的電子商務(wù)推薦系統(tǒng)研究27-41
• 3.1 CBR和WEB日志挖掘技術(shù)的引入27-30
• 3.1.1 電子商務(wù)提供必要條件27
• 3.1.2 CBR與電子商務(wù)推薦系統(tǒng)27-28
• 3.1.3 Web日志挖掘與電子商務(wù)推薦系統(tǒng)28-30
• 3.2 系統(tǒng)設(shè)計(jì)30-33
• 3.2.1 系統(tǒng)實(shí)現(xiàn)目標(biāo)30
• 3.2.2 系統(tǒng)架構(gòu)30-33
• 3.3 系統(tǒng)流程33-38
• 3.3.1 系統(tǒng)流程描述33-35
• 3.3.2 系統(tǒng)流程模擬35-38
• 3.4 基于CBR和WEB日志挖掘的電子商務(wù)推薦系統(tǒng)的優(yōu)越性38-41
• 第四章 推薦技術(shù)優(yōu)化與改進(jìn)41-51
• 4.1 用戶興趣建模41-45
• 4.1.1 產(chǎn)品信息模型41-42
• 4.1.2 用戶信息模型42-43
• 4.1.3 用戶興趣模型43-45
• 4.2 基于商品類(lèi)的用戶聚類(lèi)45-46
• 4.3 基于商品類(lèi)的案例組織46-48
• 4.3.1 面向?qū)ο蟮陌咐硎?/span>46-47
• 4.3.2 基于商品類(lèi)的案例索引組織47-48
• 4.4 案例檢索優(yōu)化48-51
• 4.4.1 檢索策略48
• 4.4.2 匹配算法48-51
• 第五章 總結(jié)與展望51-53
• 5.1 總結(jié)51
• 5.2 進(jìn)一步的工作51-53
• 致謝53-55
• 參考文獻(xiàn)55-59
• 在讀碩士期間研究成果59

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 趙瑞雪,甘仞初;基于案例的信息系統(tǒng)設(shè)計(jì)方法[J];北京理工大學(xué)學(xué)報(bào);1999年04期

2 韓家煒,孟小峰,王靜,李盛恩;Web挖掘研究[J];計(jì)算機(jī)研究與發(fā)展;2001年04期

3 段小斌;陳基漓;張沫;阮百堯;;個(gè)性化推薦服務(wù)中用戶興趣模型研究[J];計(jì)算機(jī)與信息技術(shù);2006年12期

4 張f，

本文編號(hào)：414039