本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的電子商務(wù)內(nèi)容推薦系統(tǒng)研究

  更多相關(guān)文章： 電子商務(wù) 推薦系統(tǒng) 協(xié)同過濾 聚類 關(guān)聯(lián)分析

【摘要】：隨著電子商務(wù)的發(fā)展,個性的內(nèi)容推薦系統(tǒng)對電子商務(wù)網(wǎng)站來說尤為重要。本文首先介紹了電子商務(wù)個性化內(nèi)容推薦的相關(guān)概念,以及國內(nèi)外研究現(xiàn)狀,分析與研究了各種推薦算法及其優(yōu)缺點,針對傳統(tǒng)協(xié)同過濾方法存在的數(shù)據(jù)稀疏,冷開始及奇異發(fā)現(xiàn)的問題,提出了基于數(shù)據(jù)挖掘方法的相應(yīng)改進思路。 針對數(shù)據(jù)稀疏問題使用了用戶評分矩陣,將隱式數(shù)據(jù)轉(zhuǎn)化為顯示數(shù)據(jù)；對于冷啟動問題設(shè)計了基于聚類的協(xié)同過濾推薦方法,并對k-means聚類算法依賴初始K值進行了選取方法的改進,引入了平均用戶相似度,根據(jù)用戶的內(nèi)在聯(lián)系實現(xiàn)自動劃分聚類,并對改進的算法進行了詳細描述；針對奇異發(fā)現(xiàn)的問題,本文引入了關(guān)聯(lián)分析的方法,利用關(guān)聯(lián)規(guī)則通過從數(shù)據(jù)集中識別頻繁項集,然后再利用這些規(guī)則去創(chuàng)建描述商品關(guān)聯(lián)關(guān)系的過程,實現(xiàn)了跨類別的推薦。 最后對電子商務(wù)推薦系統(tǒng)的整體框架和個性化內(nèi)容的推薦模塊進行了詳細設(shè)計。并將整個研究內(nèi)容運用到實際的電子商務(wù)系統(tǒng)下,對網(wǎng)站實際瀏覽量和購買量進行綜合評估測試,結(jié)果表明,改進后協(xié)同過濾算法有效解決了傳統(tǒng)算法所存在的問題,提高了網(wǎng)站整體的瀏覽量和購買量,進一步證實本課題研究內(nèi)容運用到電子商務(wù)網(wǎng)站中的具有實際意義。
【關(guān)鍵詞】：電子商務(wù) 推薦系統(tǒng) 協(xié)同過濾 聚類 關(guān)聯(lián)分析
【學(xué)位授予單位】：北方工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：F713.36;TP311.52
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-12
• 1.1 研究背景和意義9
• 1.2 國內(nèi)外研究現(xiàn)狀9-10
• 1.3 課題研究的主要內(nèi)容10
• 1.4 本文的組織結(jié)構(gòu)10-11
• 1.5 本章小結(jié)11-12
• 2 內(nèi)容推薦技術(shù)與數(shù)據(jù)挖掘12-20
• 2.1 內(nèi)容推薦與個性化推薦12-15
• 2.1.1 推薦技術(shù)研究12-14
• 2.1.2 推薦策略14-15
• 2.2 數(shù)據(jù)挖掘15-17
• 2.2.1 數(shù)據(jù)挖掘的過程15-16
• 2.2.2 數(shù)據(jù)挖掘的功能和方法16-17
• 2.3 個性化推薦系統(tǒng)在電子商務(wù)中的應(yīng)用17-18
• 2.3.1 推薦系統(tǒng)在電子商務(wù)中的作用17-18
• 2.3.2 推薦系統(tǒng)在電子商務(wù)系統(tǒng)中的研究內(nèi)容18
• 2.4 數(shù)據(jù)挖掘與推薦系統(tǒng)18-19
• 2.5 本章小結(jié)19-20
• 3 基于數(shù)據(jù)挖掘的推薦算法研究20-34
• 3.1 協(xié)同過濾算法20-24
• 3.1.1 算法的描述20-23
• 3.1.2 傳統(tǒng)算法存在的問題23-24
• 3.2 算法改進24-27
• 3.2.1 改進思路24
• 3.2.2 相關(guān)數(shù)據(jù)挖掘技術(shù)的引入24-27
• 3.3 不同策略下推薦算法的描述27-33
• 3.3.1 基于關(guān)聯(lián)規(guī)則的推薦算法在系統(tǒng)中的實現(xiàn)27-28
• 3.3.2 基于聚類的協(xié)同推薦算法在系統(tǒng)中的實現(xiàn)28-33
• 3.4 本章小結(jié)33-34
• 4 基于數(shù)據(jù)挖掘的推薦系統(tǒng)的設(shè)計34-41
• 4.1 系統(tǒng)的需求概述34
• 4.2 推薦系統(tǒng)設(shè)計34-37
• 4.2.1 推薦系統(tǒng)的整體架構(gòu)設(shè)計34-36
• 4.2.2 推薦系統(tǒng)業(yè)務(wù)流程圖設(shè)計36-37
• 4.3 推薦系統(tǒng)功能模塊設(shè)計37-38
• 4.3.1 關(guān)聯(lián)推薦功能模塊設(shè)計37-38
• 4.3.2 聚類推薦功能模塊設(shè)計38
• 4.4 數(shù)據(jù)處理模塊功能設(shè)計38-40
• 4.5 文章小結(jié)40-41
• 5 推薦系統(tǒng)的實現(xiàn)及實驗結(jié)果分析41-54
• 5.1 推薦系統(tǒng)的實現(xiàn)41-47
• 5.1.1 數(shù)據(jù)準備41-43
• 5.1.2 關(guān)聯(lián)推薦和聚類推薦功能模塊的實現(xiàn)43-44
• 5.1.3 推薦系統(tǒng)前端展示44-47
• 5.2 實驗結(jié)果分析47-53
• 5.2.1 實驗數(shù)據(jù)47
• 5.2.2 實驗評估標準47-48
• 5.2.3 實驗方案48-49
• 5.2.4 結(jié)果分析49-53
• 5.3 本章小結(jié)53-54
• 6 總結(jié)和展望54-55
• 6.1 本文小結(jié)54
• 6.2 下一步工作展望54-55
• 參考文獻55-58
• 攻讀學(xué)位期間主要的研究成果58-59
• 致謝59

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 譚勇,榮秋生;一個基于K-means的聚類算法的實現(xiàn)[J];湖北民族學(xué)院學(xué)報(自然科學(xué)版);2004年01期

2 邢春曉;高鳳榮;戰(zhàn)思南;周立柱;;適應(yīng)用戶興趣變化的協(xié)同過濾推薦算法[J];計算機研究與發(fā)展;2007年02期

3 鄭秀麗,王樂寧,陳中柱;基于數(shù)據(jù)挖掘技術(shù)的電子商務(wù)客戶潛力開發(fā)方案[J];計算機工程與應(yīng)用;2002年05期

4 余力,劉魯;電子商務(wù)個性化推薦研究[J];計算機集成制造系統(tǒng);2004年10期

5 曾春,邢春曉,周立柱;個性化服務(wù)技術(shù)綜述[J];軟件學(xué)報;2002年10期

6 夏紅霞,趙楊,曹獻媛,鐘珞;關(guān)聯(lián)規(guī)則層次算法的研究與改進[J];武漢工業(yè)大學(xué)學(xué)報;2000年05期

7 劉興雨;數(shù)據(jù)挖掘技術(shù)及在電子商務(wù)中的應(yīng)用[J];計算機系統(tǒng)應(yīng)用;2001年06期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 鄭洪英;數(shù)據(jù)挖掘聚類算法的分析和應(yīng)用研究[D];重慶大學(xué);2002年

2 彭玉;基于用戶個人特征的多內(nèi)容項目協(xié)同過濾推薦[D];西南大學(xué);2007年

3 付國瑜;基于Web日志的數(shù)據(jù)挖掘研究[D];重慶大學(xué);2007年

4 李明晶;基于web挖掘的電子商務(wù)個性化推薦系統(tǒng)研究[D];北京交通大學(xué);2008年

5 蔣，

本文編號：559578