本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的電子商務(wù)推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

  更多相關(guān)文章： 數(shù)據(jù)挖掘 個(gè)性化推薦 傾向性分析

【摘要】：電子商務(wù)的飛速發(fā)展增加了消費(fèi)者的可選擇性，拓展了消費(fèi)選擇的寬度和廣度，激發(fā)他們的購(gòu)買欲望的同時(shí)，卻又使消費(fèi)面對(duì)海量商品感到茫然，難以抉擇自己想要的產(chǎn)品，甚至使他們陷入數(shù)據(jù)豐富而知識(shí)貧乏的境地。 推薦系統(tǒng)的目的模擬現(xiàn)實(shí)生活中銷售員向消費(fèi)者推薦商品的過程，協(xié)助消費(fèi)找到自己所滿意的商品�，F(xiàn)有電子商務(wù)推薦算法往往是依據(jù)用戶瀏覽行為將用戶聚類，以相似用戶行為作為推薦依據(jù)，這一過程忽略了用戶對(duì)商品的情感態(tài)度。而實(shí)際上，當(dāng)用戶對(duì)商品持積極情感時(shí)則會(huì)提高用戶滿意度，否則用戶滿意度則會(huì)降低。 為了提高用戶對(duì)推薦結(jié)果的滿意度，本文在研究各類推薦算法的基礎(chǔ)上，研究用戶情感挖掘方法，并構(gòu)建一個(gè)融合情感挖掘的推薦算法。該方法首先依據(jù)用戶行為信息將用戶聚類，認(rèn)為相同類別的用戶有著相同的購(gòu)買欲望。在此基礎(chǔ)上生成推薦商品候選列表。然后利用用戶情感信息對(duì)候選商品列表過濾，去除那些用戶評(píng)價(jià)較差的商品，保留用戶滿意度的商品生成最終的推薦結(jié)果。為了分析用戶的情感信息，本文采集用戶對(duì)商品評(píng)價(jià)的內(nèi)容，采用基于情感詞的傾向性分析方法來判斷評(píng)價(jià)內(nèi)容的傾向性。為了生成情感詞表，，本文首先假設(shè)包含較多正向情感詞的文本其傾向?yàn)檎颍瑫r(shí)被較多正向文本所包含情感詞的傾向?yàn)檎�，反之亦然。以此假設(shè)為基礎(chǔ)，采用PMI方法達(dá)到情感詞擴(kuò)展的目的，形成最終的情感詞表。經(jīng)實(shí)驗(yàn)驗(yàn)證，本文設(shè)計(jì)的推薦算法有助提高用戶的滿意度。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 個(gè)性化推薦 傾向性分析
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TP391.3;TP311.13
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 前言9-14
• 1.1 研究背景及意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-13
• 1.3 研究?jī)?nèi)容13
• 1.4 論文組織安排13-14
• 第二章 推薦系統(tǒng)關(guān)鍵技術(shù)綜述14-29
• 2.1 數(shù)據(jù)挖掘算法14-25
• 2.1.1 頻繁項(xiàng)集挖掘算法14-17
• 2.1.2 分類算法及預(yù)測(cè)17-22
• 2.1.3 聚類算法22-25
• 2.2 推薦系統(tǒng)算法25-28
• 2.2.1 基于內(nèi)容的推薦算法25-26
• 2.2.2 協(xié)同過濾算法26-27
• 2.2.3 混合推薦算法27-28
• 2.3 本章小結(jié)28-29
• 第三章 融合情感挖掘的推薦算法設(shè)計(jì)29-33
• 3.1 問題分析29-30
• 3.2 傾向性分析研究綜述30
• 3.3 融合用戶情感挖掘的推薦算法30-32
• 3.3.1 評(píng)價(jià)內(nèi)容特征選擇30-31
• 3.3.2 基于情感詞的傾向性分析方法31-32
• 3.4 融合用戶情感挖掘的推薦算法32
• 3.5 本章小結(jié)32-33
• 第四章 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)33-60
• 4.1 系統(tǒng)目標(biāo)33
• 4.2 系統(tǒng)需求分析33-34
• 4.3 系統(tǒng)業(yè)務(wù)流程圖34-35
• 4.4 數(shù)據(jù)庫(kù)設(shè)計(jì)35-45
• 4.4.1 數(shù)據(jù)庫(kù)概念設(shè)計(jì)36-42
• 4.4.2 數(shù)據(jù)表設(shè)計(jì)42-45
• 4.5 核心功能模塊流程圖及實(shí)現(xiàn)45-59
• 4.5.1 信息采集45-49
• 4.5.2 用戶聚類分析49-50
• 4.5.3 特征提取50-51
• 4.5.4 用戶評(píng)價(jià)傾向性分析51-59
• 4.6 本章小結(jié)59-60
• 第五章 系統(tǒng)性能測(cè)試60-68
• 5.1 系統(tǒng)功能測(cè)試60-63
• 5.2 系統(tǒng)算法測(cè)試63-67
• 5.2.1 測(cè)試數(shù)據(jù)集63
• 5.2.2 評(píng)價(jià)指標(biāo)63-64
• 5.2.3 測(cè)試步驟64-65
• 5.2.4 測(cè)試結(jié)果分析65-67
• 5.3 本章小節(jié)67-68
• 第六章 總結(jié)與展望68-69
• 致謝69-70
• 參考文獻(xiàn)70-73

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 崔春生;吳祈宗;王瑩;;用于推薦系統(tǒng)聚類分析的用戶興趣度研究[J];計(jì)算機(jī)工程與應(yīng)用;2011年07期

2 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(bào);2009年02期

3 王立才;孟祥武;張玉潔;;上下文感知推薦系統(tǒng)[J];軟件學(xué)報(bào);2012年01期

4 王征;譚龍江;;基于客戶心理挖掘和預(yù)測(cè)的推薦系統(tǒng)[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年11期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 李濤;推薦系統(tǒng)中若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2009年

2 任磊;推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];華東師范大學(xué);2012年

本文編號(hào)：599412