本文關(guān)鍵詞：基于用戶行為的電子商務(wù)推薦系統(tǒng)的設(shè)計(jì)與研究

  更多相關(guān)文章： 電子商務(wù) 信息過(guò)載 個(gè)性化推薦 協(xié)同過(guò)濾

【摘要】： 目前電子商務(wù)網(wǎng)站數(shù)量眾多,信息資源總量龐雜、增長(zhǎng)速度飛快,導(dǎo)致用戶在整個(gè)商品空間上出現(xiàn)信息迷航和信息過(guò)載問(wèn)題,信息使用效率降低。現(xiàn)有的電子商務(wù)網(wǎng)站搜索系統(tǒng)和搜索引擎,主要通過(guò)用戶輸入的搜索條件進(jìn)行信息過(guò)濾,沒(méi)有個(gè)性化的考慮,無(wú)法根據(jù)用戶的需求,提供便捷、高效、準(zhǔn)確的服務(wù)。如何順應(yīng)電子商務(wù)向以用戶為中心發(fā)展模式的轉(zhuǎn)變,就必須應(yīng)用個(gè)性化推薦系統(tǒng)。推薦系統(tǒng)能夠針對(duì)不同的用戶提供滿足其個(gè)性化需求的服務(wù),提高用戶從信息中尋找知識(shí)的效率,與客戶建立長(zhǎng)期穩(wěn)定的關(guān)系,能夠使網(wǎng)站立于不敗之地。 推薦系統(tǒng)通過(guò)模擬商店銷(xiāo)售人員,根據(jù)用戶的興趣愛(ài)好,向目標(biāo)用戶推薦符合其興趣愛(ài)好的商品。推薦算法是推薦系統(tǒng)中最重要的組成部分,關(guān)系著推薦系統(tǒng)的推薦質(zhì)量。協(xié)同過(guò)濾算法是目前應(yīng)用最廣泛、最成功的推薦算法。然而,隨著互聯(lián)網(wǎng)用戶數(shù)量的劇增,協(xié)同過(guò)濾算法在數(shù)據(jù)稀疏性、用戶評(píng)分真實(shí)性等問(wèn)題上日趨嚴(yán)重,影響了推薦系統(tǒng)的質(zhì)量。 基于上述情況,本文從理論和實(shí)踐兩個(gè)角度出發(fā),研究、設(shè)計(jì)了一個(gè)基于用戶行為的電子商務(wù)推薦系統(tǒng)。主要采用前融合組合推薦策略,將Web使用挖掘技術(shù)和基于用戶-商品類(lèi)的協(xié)同過(guò)濾推薦算法相結(jié)合,避免了單純使用協(xié)同過(guò)濾技術(shù)的弱點(diǎn),降低了傳統(tǒng)協(xié)同過(guò)濾算法中數(shù)據(jù)稀疏性問(wèn)題。闡述了基于用戶行為的電子商務(wù)推薦系統(tǒng)的設(shè)計(jì)思想,詳細(xì)介紹了算法的三個(gè)組成模塊:用戶聚類(lèi)子模塊、個(gè)性化推薦子模塊、推薦反饋?zhàn)幽K的實(shí)現(xiàn)過(guò)程,并通過(guò)實(shí)驗(yàn)驗(yàn)證了本推薦算法具有良好的推薦效果。最后根據(jù)算法的思想設(shè)計(jì)和實(shí)現(xiàn)了基于用戶行為的電子商務(wù)推薦系統(tǒng)實(shí)例—“樂(lè)購(gòu)網(wǎng)”。根據(jù)“樂(lè)購(gòu)網(wǎng)”的開(kāi)發(fā)過(guò)程,介紹了系統(tǒng)的需求分析、系統(tǒng)設(shè)計(jì)、數(shù)據(jù)庫(kù)設(shè)計(jì)和主要功能模塊的設(shè)計(jì)實(shí)現(xiàn),重點(diǎn)介紹了基于用戶行為的個(gè)性化推薦子系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)過(guò)程。
【關(guān)鍵詞】：電子商務(wù) 信息過(guò)載 個(gè)性化推薦 協(xié)同過(guò)濾
【學(xué)位授予單位】：山西財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2010
【分類(lèi)號(hào)】：TP311.52
【目錄】：

• 摘要6-7
• Abstract7-10
• 1 緒論10-16
• 1.1 研究背景及意義10-12
• 1.1.1 研究背景10-12
• 1.1.2 研究意義12
• 1.2 推薦系統(tǒng)的研究現(xiàn)狀12-14
• 1.3 論文的主要研究工作14
• 1.4 本文的組織結(jié)構(gòu)14-15
• 1.5 本章小結(jié)15-16
• 2 推薦系統(tǒng)及協(xié)同過(guò)濾算法概述16-24
• 2.1 推薦系統(tǒng)概述16-19
• 2.1.1 推薦系統(tǒng)概念和分類(lèi)16-17
• 2.1.2 推薦系統(tǒng)組織結(jié)構(gòu)17-18
• 2.1.3 推薦系統(tǒng)中主流的推薦技術(shù)18-19
• 2.2 協(xié)同過(guò)濾算法概述19-21
• 2.2.1 協(xié)同過(guò)濾算法思想和分類(lèi)19-20
• 2.2.2 協(xié)同過(guò)濾的推薦方法20-21
• 2.3 協(xié)同過(guò)濾存在的問(wèn)題及研究現(xiàn)狀21-23
• 2.3.1 協(xié)同過(guò)濾存在的問(wèn)題21
• 2.3.2 協(xié)同過(guò)濾的研究現(xiàn)狀21-23
• 2.4 本章小結(jié)23-24
• 3 推薦算法的改進(jìn)研究24-37
• 3.1 算法思想24-25
• 3.2 算法描述25-27
• 3.3 算法實(shí)現(xiàn)過(guò)程27-32
• 3.3.1 用戶行為聚類(lèi)子模塊27-30
• 3.3.2 個(gè)性化推薦子模塊30-31
• 3.3.3 推薦反饋?zhàn)幽K31-32
• 3.4 實(shí)驗(yàn)過(guò)程32-35
• 3.4.1 實(shí)驗(yàn)數(shù)據(jù)集32
• 3.4.2 實(shí)驗(yàn)步驟32-35
• 3.5 實(shí)驗(yàn)結(jié)果及分析35-36
• 3.5.1 推薦質(zhì)量度量標(biāo)準(zhǔn)35-36
• 3.5.2 實(shí)驗(yàn)結(jié)果及分析36
• 3.6 本章小結(jié)36-37
• 4 基于改進(jìn)算法的推薦系統(tǒng)實(shí)施37-58
• 4.1 需求分析37-39
• 4.1.1 商品瀏覽子系統(tǒng)需求分析37-38
• 4.1.2 后臺(tái)管理子系統(tǒng)需求分析38-39
• 4.1.3 個(gè)性化推薦子系統(tǒng)需求分析39
• 4.2 系統(tǒng)設(shè)計(jì)39-45
• 4.2.1 系統(tǒng)架構(gòu)39-40
• 4.2.2 系統(tǒng)開(kāi)發(fā)環(huán)境40-41
• 4.2.3 系統(tǒng)功能設(shè)計(jì)41-42
• 4.2.4 系統(tǒng)后臺(tái)數(shù)據(jù)庫(kù)設(shè)計(jì)42-45
• 4.3 推薦系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)45-48
• 4.3.1 用戶注冊(cè)和登錄模塊實(shí)現(xiàn)45-46
• 4.3.2 商品瀏覽子系統(tǒng)和后臺(tái)管理子系統(tǒng)的實(shí)現(xiàn)46-48
• 4.4 個(gè)性化推薦子系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)48-57
• 4.4.1 用戶行為聚類(lèi)的實(shí)現(xiàn)50-55
• 4.4.2 用戶-商品類(lèi)協(xié)同過(guò)濾的實(shí)現(xiàn)55-56
• 4.4.3 推薦功能的實(shí)現(xiàn)56-57
• 4.5 本章小結(jié)57-58
• 結(jié)束語(yǔ)58-60
• 本文的主要工作58-59
• 進(jìn)一步工作59-60
• 參考文獻(xiàn)60-64
• 附錄 部分程序源代碼64-73
• 致謝73-74
• 攻讀碩士學(xué)位期間發(fā)表的論文74-75

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 趙智;時(shí)兵;;改進(jìn)的個(gè)性化推薦算法[J];長(zhǎng)春大學(xué)學(xué)報(bào);2005年06期

2 崔亞洲;段剛;;基于Web日志和商品分類(lèi)的協(xié)同過(guò)濾推薦系統(tǒng)[J];電子科技大學(xué)學(xué)報(bào)(社科版);2006年03期

3 劉建國(guó);周濤;郭強(qiáng);汪秉宏;;個(gè)性化推薦系統(tǒng)評(píng)價(jià)方法綜述[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2009年03期

4 高鳳榮;邢春曉;杜小勇;王珊;;基于矩陣聚類(lèi)的協(xié)作過(guò)濾算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年S1期

5 李穎基,彭宏,鄭啟倫,曾煒;Web日志中有趣關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)[J];計(jì)算機(jī)研究與發(fā)展;2003年03期

6 周斌,吳泉源,高洪奎;用戶訪問(wèn)模式數(shù)據(jù)挖掘的模型與算法研究[J];計(jì)算機(jī)研究與發(fā)展;1999年07期

7 紀(jì)良浩;王國(guó)胤;;基于資源的協(xié)作過(guò)濾推薦算法研究[J];計(jì)算機(jī)工程與應(yīng)用;2008年08期

8 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

9 孫小華;陳洪;孔繁勝;;在協(xié)同過(guò)濾中結(jié)合奇異值分解與最近鄰方法[J];計(jì)算機(jī)應(yīng)用研究;2006年09期

10 吳顏;沈潔;顧天竺;陳曉紅;李慧;張舒;;協(xié)同過(guò)濾推薦系統(tǒng)中數(shù)據(jù)稀疏問(wèn)題的解決[J];計(jì)算機(jī)應(yīng)用研究;2007年06期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 何安;協(xié)同過(guò)濾技術(shù)在電子商務(wù)推薦系統(tǒng)中的應(yīng)用研究[D];浙江大學(xué);2007年

，

本文編號(hào)：615360