發(fā)布時間：2017-06-15 22:09

  本文關(guān)鍵詞：基于云計算的電子商務(wù)智能推薦系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：伴隨著電子商務(wù)的發(fā)展，人們的日常生活方式發(fā)生了巨大改變。現(xiàn)在我們可以通過電腦或手機等設(shè)備在足不出戶的情況下購買到自己想要的商品。然而信息時代數(shù)據(jù)爆炸式增長為人們獲取信息和知識帶來更多機遇的同時，如何在海量數(shù)據(jù)中剔除不相干的信息、快捷地獲取到有價值的信息成為一項挑戰(zhàn)工作。而個性化推薦系統(tǒng)就是在這樣的背景下產(chǎn)生的，它可以挖掘出不同用戶的不同偏好，從而有針對性地進行個性化推薦。 學(xué)術(shù)界對現(xiàn)有電子商務(wù)個性化推薦技術(shù)的研究主要集中在基于內(nèi)容的、協(xié)同過濾的、基于知識的等傳統(tǒng)推薦技術(shù)以及對這些算法的優(yōu)化上，但是電子商務(wù)已經(jīng)進入了大數(shù)據(jù)時代，優(yōu)化的傳統(tǒng)算法盡管在一定程度上可以提升推薦系統(tǒng)的效果，但是已經(jīng)不能適應(yīng)大數(shù)據(jù)環(huán)境下滿足客戶的個性化服務(wù)的需求。與此同時，目前很多學(xué)者對推薦系統(tǒng)評測指標認識不全面，有些學(xué)者及文章只局限于推薦系統(tǒng)的精確性這一個方面，而對多樣性、新穎性、覆蓋率等指標視而不見，還有些學(xué)者及文章在文中只選擇對自己算法有利的指標，因此如何客觀、有效的評價推薦系統(tǒng)需要一個完整統(tǒng)一的指標體系。 在以上問題的基礎(chǔ)上，本文設(shè)計了大數(shù)據(jù)環(huán)境下推薦系統(tǒng)的架構(gòu)、基于云計算的推薦算法和分布式推薦系統(tǒng)綜合評測體系，并且實現(xiàn)了基于云計算的電子商務(wù)智能推薦系統(tǒng)原型。主要工作如下： （1）基于云計算的推薦系統(tǒng)框架設(shè)計，研究了基于云計算的大數(shù)據(jù)處理技術(shù)、Hadoop平臺以及MapReduce工作原理，提出了基于云計算的推薦系統(tǒng)總體框架與系統(tǒng)工作流程。 （2）基于云計算的推薦算法設(shè)計，，針對傳統(tǒng)推薦算法在數(shù)據(jù)稀疏性及在大數(shù)據(jù)規(guī)模下系統(tǒng)可擴展性的問題，在分析研究Hadoop分布式平臺與基于內(nèi)容過濾、協(xié)同過濾、關(guān)聯(lián)規(guī)則等相關(guān)算法后，提出基于Hadoop平臺實現(xiàn)個性化推薦算法的方法。 （3）分布式推薦系統(tǒng)綜合評測體系設(shè)計，研究了分布式推薦系統(tǒng)評測體系設(shè)計的基本原則，并據(jù)此建立推薦系統(tǒng)評測指標體系，包括預(yù)測準確度、效率性、覆蓋率、多樣性、新穎性等五個維度，并且提出各指標的評價方法。 （4）基于云計算的電子商務(wù)智能推薦原型系統(tǒng)實現(xiàn)，以電子商務(wù)網(wǎng)站海量行為數(shù)據(jù)為實證研究對象，構(gòu)建基于Hadoop云平臺電子商務(wù)智能推薦系統(tǒng)原型，并進行推薦系統(tǒng)評價指標實證研究，驗證算法和指標的有效性，改進并豐富基于云計算的電子商務(wù)智能推薦系統(tǒng)的理論、方法和技術(shù)體系。 通過研究基于云計算技術(shù)實現(xiàn)的電子商務(wù)智能推薦系統(tǒng)，解決了傳統(tǒng)單機環(huán)境對各種推薦算法支持不足的問題，驗證了分布式推薦系統(tǒng)評測指標體系的有效性，對改進電子商務(wù)個性化推薦系統(tǒng)的有效性、規(guī)模性和實時性，提升個性化精準營銷水平具有重要的理論意義和經(jīng)濟價值。
【關(guān)鍵詞】：電子商務(wù) 推薦系統(tǒng) 大數(shù)據(jù) 云計算
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.3;F724.6
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-20
• 1.1 研究背景及意義11-12
• 1.2 國內(nèi)外研究綜述12-16
• 1.2.1 大數(shù)據(jù)處理技術(shù)12-13
• 1.2.2 電子商務(wù)個性化推薦技術(shù)13-14
• 1.2.3 推薦系統(tǒng)性能評測指標14-15
• 1.2.4 推薦系統(tǒng)設(shè)計與實現(xiàn)15-16
• 1.3 研究內(nèi)容與方法16-20
• 1.3.1 研究內(nèi)容16-17
• 1.3.2 研究方法17-18
• 1.3.3 技術(shù)路線18-20
• 第2章 基于云計算的推薦系統(tǒng)框架設(shè)計20-26
• 2.1 系統(tǒng)總體框架20-22
• 2.2 系統(tǒng)工作流程22-23
• 2.3 系統(tǒng)關(guān)鍵技術(shù)23-26
• 第3章 基于云計算的推薦算法設(shè)計26-41
• 3.1 基于云計算的推薦算法設(shè)計原則26-28
• 3.2 協(xié)同過濾推薦算法28-32
• 3.2.1 傳統(tǒng)協(xié)同過濾推薦算法28-30
• 3.2.2 基于云計算的協(xié)同過濾推薦算法30-32
• 3.3 內(nèi)容過濾推薦算法32-36
• 3.3.1 傳統(tǒng)內(nèi)容過濾推薦算法32-35
• 3.3.2 基于云計算的內(nèi)容過濾推薦算法35-36
• 3.4 關(guān)聯(lián)規(guī)則推薦算法36-41
• 3.4.1 傳統(tǒng)關(guān)聯(lián)規(guī)則推薦算法36-39
• 3.4.2 基于云計算的關(guān)聯(lián)規(guī)則推薦算法39-41
• 第4章 分布式推薦系統(tǒng)綜合評測體系41-47
• 4.1 評測指標設(shè)計的基本原則41
• 4.2 評測指標選取41-45
• 4.3 指標評估方法45-47
• 第5章 基于云計算的推薦原型系統(tǒng)實現(xiàn)47-59
• 5.1 系統(tǒng)環(huán)境搭建47-53
• 5.1.1 系統(tǒng)環(huán)境綜述47-48
• 5.1.2 云計算環(huán)境搭建48-52
• 5.1.3 推薦算法部署52-53
• 5.2 系統(tǒng)測試方案53-54
• 5.3 系統(tǒng)運行效果54-56
• 5.4 系統(tǒng)效果評估56-59
• 第6章 總結(jié)與展望59-62
• 6.1 全文總結(jié)59-60
• 6.2 創(chuàng)新點60
• 6.3 研究展望60-62
• 參考文獻62-66
• 致謝66-67
• 攻讀碩士學(xué)位期間發(fā)表論文以及參與科研情況67

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張永攀;馮錫煒;關(guān)滄;汪儉華;畢福偉;;電子商務(wù)個性化推薦系統(tǒng)的應(yīng)用[J];遼寧石油化工大學(xué)學(xué)報;2013年01期

2 彭菲菲;錢旭;;基于用戶關(guān)注度的個性化新聞推薦系統(tǒng)[J];計算機應(yīng)用研究;2012年03期

3 李慧;胡云;李存華;王霞;;基于近鄰關(guān)系的個性化推薦算法研究[J];計算機工程與應(yīng)用;2012年36期

4 孟小峰;慈祥;;大數(shù)據(jù)管理:概念、技術(shù)與挑戰(zhàn)[J];計算機研究與發(fā)展;2013年01期

5 李偉衛(wèi);趙航;張陽;王勇;;基于MapReduce的海量數(shù)據(jù)挖掘技術(shù)研究[J];計算機工程與應(yīng)用;2013年20期

6 李鵬飛;吳為民;;基于混合模型推薦算法的優(yōu)化[J];計算機科學(xué);2014年02期

7 孫莉;何剛;李繼云;;基于Hadoop平臺的事實并行處理算法[J];計算機工程;2014年03期

8 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報;2009年02期

9 覃雄派;王會舉;杜小勇;王珊;;大數(shù)據(jù)分析——RDBMS與MapReduce的競爭與共生[J];軟件學(xué)報;2012年01期

10 饒君;吳斌;東昱曉;;MapReduce環(huán)境下的并行復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測[J];軟件學(xué)報;2012年12期

  本文關(guān)鍵詞：基于云計算的電子商務(wù)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：453622