本文關(guān)鍵詞：電子商務(wù)系統(tǒng)中Web數(shù)據(jù)挖掘技術(shù)的研究與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著Internet的興起和普及,電子商務(wù)因?yàn)槠涑杀镜?方便快捷,足不出戶就可購買商品等優(yōu)點(diǎn)已經(jīng)在全球得到普及和發(fā)展,并成為未來發(fā)展的趨勢。然而,隨著電子商務(wù)系統(tǒng)規(guī)模的擴(kuò)大,大量的Web頁面提供給用戶越來越多的選擇,它的發(fā)展面臨了兩大問題:一是用戶面臨眾多的商品并不是全都感興趣,會迷失在復(fù)雜的網(wǎng)絡(luò)信息空間中,無法迅速有效地尋找到滿意的商品;二是商家也不能了解用戶的需求,提供給用戶千篇一律的界面,不能夠保證客戶的忠誠度。因此,個(gè)性化地服務(wù)是制約電子商務(wù)系統(tǒng)發(fā)展的關(guān)鍵。 Web數(shù)據(jù)挖掘技術(shù)(Web Data Mining)就是在這一需求下運(yùn)用在了電子商務(wù)系統(tǒng)中。Web數(shù)據(jù)挖掘,是數(shù)據(jù)挖掘技術(shù)在Web領(lǐng)域的延伸與發(fā)展,是從大量的Web文檔集合和在站點(diǎn)內(nèi)進(jìn)行瀏覽的相關(guān)數(shù)據(jù)中發(fā)現(xiàn)潛在的,有用的模式或信息,幫助在線用戶從海量的數(shù)據(jù)空間中高效地獲取有價(jià)值的知識。Web數(shù)據(jù)挖掘與電子商務(wù)系統(tǒng)結(jié)合可以為用戶提供個(gè)性化地服務(wù)。本文的主要工作如下: 1.分析了傳統(tǒng)的協(xié)同過濾推薦算法的不足,針對原始用戶-項(xiàng)目評分矩陣的稀疏性,提出了基于項(xiàng)目屬性的混合協(xié)同過濾推薦算法。算法改進(jìn)了傳統(tǒng)的項(xiàng)目相似度算法,增加了基于項(xiàng)目屬性的相似度計(jì)算,然后再根據(jù)新的項(xiàng)目相似度,預(yù)測用戶對未知項(xiàng)目的評分,填充了原始用戶-項(xiàng)目評分矩陣,再計(jì)算用戶相似度,通過最近鄰產(chǎn)生TopN項(xiàng)目推薦。最后通過實(shí)驗(yàn)證明了新算法使預(yù)測精度明顯提高。新算法緩解了原始矩陣的稀疏性,又保留了傳統(tǒng)協(xié)同過濾推薦算法的優(yōu)勢。 2.分析了Web日志頻繁路徑挖掘的經(jīng)典算法Apriori算法和WAP算法,指出了各自的缺陷,提出了基于WAP-Tree的連續(xù)頻繁遍歷路徑算法。算法與WAP算法相比,適合挖掘連續(xù)頻繁訪問路徑,挖掘過程中不會生成大量中間數(shù)據(jù),受支持度的影響很小,最后從理論和實(shí)驗(yàn)上證明了算法性能的優(yōu)越性。 3.運(yùn)用提出的基于項(xiàng)目屬性的混合協(xié)同過濾推薦算法和改進(jìn)的頻繁遍歷路徑挖掘算法,設(shè)計(jì)與實(shí)現(xiàn)了網(wǎng)上書城電子商務(wù)系統(tǒng),實(shí)現(xiàn)了商品的個(gè)性化推薦。
【關(guān)鍵詞】：電子商務(wù) 個(gè)性化 協(xié)同推薦 Web日志挖掘
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：TP311.13
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 引言10-15
• 1.1 研究背景10-12
• 1.2 國內(nèi)外的研究現(xiàn)狀12-13
• 1.3 本文的主要研究內(nèi)容13
• 1.4 本文的組織結(jié)構(gòu)及創(chuàng)新點(diǎn)13-15
• 第二章 電子商務(wù)系統(tǒng)中數(shù)據(jù)挖掘及相關(guān)技術(shù)簡介15-27
• 2.1 Web 數(shù)據(jù)挖掘15-18
• 2.1.1 Web 數(shù)據(jù)挖掘的分類15-16
• 2.1.2 Web 使用記錄挖掘16-17
• 2.1.3 Web 數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用17-18
• 2.2 個(gè)性化推薦18-19
• 2.2.1 推薦系統(tǒng)定義18-19
• 2.2.2 推薦系統(tǒng)分類19
• 2.3 推薦算法19-26
• 2.3.1 協(xié)同過濾推薦算法19-24
• 2.3.2 基于內(nèi)容的推薦算法24-25
• 2.3.3 基于關(guān)聯(lián)規(guī)則的推薦算法25-26
• 2.4 本章小結(jié)26-27
• 第三章 基于項(xiàng)目屬性的混合協(xié)同過濾推薦算法的研究27-42
• 3.1 傳統(tǒng)的協(xié)同過濾推薦算法的稀疏性問題27-28
• 3.2 基于項(xiàng)目屬性的改進(jìn)的相似性度量方法28-32
• 3.2.1 傳統(tǒng)的相似度量分析29-30
• 3.2.2 基于項(xiàng)目屬性的相似度30-31
• 3.2.3 改進(jìn)的綜合相似度31-32
• 3.3 混合的協(xié)同過濾推薦算法32-37
• 3.3.1 基于項(xiàng)評分預(yù)測的平滑處理32-33
• 3.3.2 推薦算法描述33-37
• 3.4 實(shí)驗(yàn)及分析37-40
• 3.4.1 數(shù)據(jù)集37
• 3.4.2 評價(jià)指標(biāo)37-38
• 3.4.3 實(shí)驗(yàn)結(jié)果及討論38-40
• 3.5 本章小結(jié)40-42
• 第四章 Web 日志中頻繁遍歷路徑挖掘的研究42-61
• 4.1 數(shù)據(jù)預(yù)處理42-48
• 4.1.1 數(shù)據(jù)清洗43-44
• 4.1.2 用戶識別44-45
• 4.1.3 會話識別45-46
• 4.1.4 路徑補(bǔ)充46
• 4.1.5 事務(wù)識別46-48
• 4.2 傳統(tǒng)序列模式挖掘算法分析48-51
• 4.2.1 Apriori 算法48-49
• 4.2.2 WAP 算法49-51
• 4.3 基于WAP-Tree 的連續(xù)頻繁遍歷路徑算法51-58
• 4.3.1 算法基本思想51-52
• 4.3.2 算法實(shí)現(xiàn)步驟52-58
• 4.4 算法性能分析58-60
• 4.4.1 理論分析58-59
• 4.4.2 實(shí)驗(yàn)分析59-60
• 4.5 本章小結(jié)60-61
• 第五章 網(wǎng)上書城電子商務(wù)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)61-80
• 5.1 系統(tǒng)架構(gòu)61-63
• 5.2 系統(tǒng)功能需求分析63-65
• 5.2.1 用戶子系統(tǒng)63-64
• 5.2.2 書城管理員子系統(tǒng)64-65
• 5.3 系統(tǒng)數(shù)據(jù)庫設(shè)計(jì)65-66
• 5.4 用戶子系統(tǒng)的實(shí)現(xiàn)66-72
• 5.4.1 用戶注冊/登錄67-68
• 5.4.2 購物車管理68-71
• 5.4.3 訂單管理71-72
• 5.5 管理員子系統(tǒng)的實(shí)現(xiàn)72-75
• 5.5.1 商品管理72-74
• 5.5.2 訂單管理74
• 5.5.3 日志管理74-75
• 5.6 數(shù)據(jù)挖掘子系統(tǒng)的實(shí)現(xiàn)75-79
• 5.6.1 數(shù)據(jù)挖掘子系統(tǒng)的系統(tǒng)結(jié)構(gòu)75-78
• 5.6.2 建立用戶偏好模型78-79
• 5.6.3 產(chǎn)生推薦79
• 5.7 本章小結(jié)79-80
• 第六章 結(jié)束語80-82
• 6.1 論文總結(jié)和創(chuàng)新點(diǎn)80
• 6.2 進(jìn)一步的研究工作和問題80-82
• 致謝82-83
• 參考文獻(xiàn)83-86

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 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

2 何炎祥,孔維強(qiáng),向劍文,朱驍峰;WebLog訪問序列模式挖掘[J];計(jì)算機(jī)工程與應(yīng)用;2003年27期

3 彭玉;程小平;;基于屬性相似性的Item-based協(xié)同過濾算法[J];計(jì)算機(jī)工程與應(yīng)用;2007年14期

4 陳寶樹,黨齊民;Web數(shù)據(jù)挖掘中的數(shù)據(jù)預(yù)處理[J];計(jì)算機(jī)工程;2002年07期

5 余力,劉魯;電子商務(wù)個(gè)性化推薦研究[J];計(jì)算機(jī)集成制造系統(tǒng);2004年10期

6 王輝;高利軍;王聽忠;;個(gè)性化服務(wù)中基于用戶聚類的協(xié)同過濾推薦[J];計(jì)算機(jī)應(yīng)用;2007年05期

7 戰(zhàn)立強(qiáng),劉大昕;基于訪問路徑樹的Web頻繁訪問路徑挖掘算法研究[J];計(jì)算機(jī)應(yīng)用研究;2005年01期

8 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(jì)算機(jī)應(yīng)用研究;2007年06期

9 黃解軍,萬幼川;基于數(shù)據(jù)挖掘的電子商務(wù)策略[J];計(jì)算機(jī)應(yīng)用與軟件;2004年07期

10 潘瑞芳,朱永玲;基于JB和B/S模式OA系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用與軟件;2005年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 鄧愛林;電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];復(fù)旦大學(xué);2003年

2 孫小華;協(xié)同過濾系統(tǒng)的稀疏性與冷啟動問題研究[D];浙江大學(xué);2005年

3 沈斌;關(guān)聯(lián)規(guī)則相關(guān)技術(shù)研究[D];浙江大學(xué);2007年

4 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

5 陳琦;企業(yè)電子商務(wù)商業(yè)模式設(shè)計(jì)：IT資源前因與績效結(jié)果[D];浙江大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 裴蕾;基于Web數(shù)據(jù)挖掘的電子商務(wù)推薦系統(tǒng)研究[D];同濟(jì)大學(xué);2006年

2 張海玉;基于Web使用挖掘的個(gè)性化推薦系統(tǒng)[D];西北大學(xué);2006年

3 唐曙光;Web日志中連續(xù)頻繁訪問路徑挖掘算法研究[D];華中科技大學(xué);2006年

4 王瑛彤;大型電子商務(wù)網(wǎng)站的數(shù)據(jù)挖掘[D];吉林大學(xué);2008年

5 吳步祺;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾技術(shù)的研究[D];南昌大學(xué);2010年

6 孫大珩;互聯(lián)網(wǎng)企業(yè)成功因素分析[D];上海交通大學(xué);2010年

  本文關(guān)鍵詞：電子商務(wù)系統(tǒng)中Web數(shù)據(jù)挖掘技術(shù)的研究與實(shí)現(xiàn)，，由筆耕文化傳播整理發(fā)布。

本文編號：510085