發(fā)布時間：2017-08-17 11:29

  本文關(guān)鍵詞：基于電子商務(wù)的個性化推薦研究

  更多相關(guān)文章： 電子商務(wù) 個性化推薦 文本挖掘

【摘要】：互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展將人類社會帶入了信息時代,電子商務(wù)作為一種新型的商務(wù)模式也迅速普及。電子商務(wù)的興起改變了傳統(tǒng)的消費模式,為我們的生活帶來了極大的便利性,隨著電子商務(wù)的發(fā)展,電子商務(wù)為用戶提供的產(chǎn)品越來越多,這一方面使得用戶很難發(fā)現(xiàn)自己感興趣的產(chǎn)品,另一方面也使得大量信息無人問津,成為網(wǎng)絡(luò)中的“暗信息”。在這種背景下,各種推薦系統(tǒng)應(yīng)運而生,功能是為用戶提供合適的推薦。 本文選擇電子商務(wù)網(wǎng)站作為研究對象,在對現(xiàn)有電子商務(wù)網(wǎng)站類目體系構(gòu)建基礎(chǔ)上提出了一種電子商務(wù)類目體系自動構(gòu)建算法—SPS(相似產(chǎn)品集合)算法,該方法能夠解決類目體系過粗,產(chǎn)品分類不精確的問題;最后,本文給出了自動化類目體系構(gòu)建的整體技術(shù)方案以及技術(shù)實現(xiàn)。 然后,本文在對現(xiàn)有電子商務(wù)網(wǎng)站推薦技術(shù)分析的基礎(chǔ)上,提出了一種基于SPS的個性化推薦算法,該方法能夠挖掘信息中的“暗信息”,并且有較高的準確率,適于在電子商務(wù)網(wǎng)站進行推廣應(yīng)用;最后,本文給出了推薦系統(tǒng)的整體技術(shù)方案以及技術(shù)實現(xiàn)。 本文主要工作和特色如下: 1)設(shè)計并實現(xiàn)一種自動化類目體系構(gòu)建系統(tǒng)。首先分析現(xiàn)有電子商務(wù)網(wǎng)站類目體系特點以及產(chǎn)品具有的特征,利用用戶行為信息挖掘產(chǎn)品的重要屬性,然后根據(jù)這些重要的屬性信息以及產(chǎn)品其它維度信息,利用文本挖掘算法對產(chǎn)品進行聚類。 2)設(shè)計并實現(xiàn)了一種基于SPS的個性化推薦系統(tǒng)。傳統(tǒng)的協(xié)同過濾算法在電子商務(wù)領(lǐng)域應(yīng)用廣泛,具有很高的推薦準確率,但它無法解決用戶行為稀疏性問題,在實際應(yīng)用中常帶來推薦長尾問題。我們通過對傳統(tǒng)協(xié)同過濾算法進行改進,設(shè)計了一種基于SPS的推薦算法,實驗結(jié)果表明,該方法在產(chǎn)品覆蓋率、奇異推薦方面具有很好的效果。
【關(guān)鍵詞】：電子商務(wù) 個性化推薦 文本挖掘
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：TP391.3
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-18
• 1.1 概述9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.3 個性化推薦面臨的挑戰(zhàn)12-15
• 1.3.1 可擴展性和實時性12-13
• 1.3.2 包含更多的數(shù)據(jù)13
• 1.3.3 以用戶為中心的推薦13-14
• 1.3.4 連接推薦和市場營銷者14-15
• 1.4 本文的主要工作15-16
• 1.5 本文組織結(jié)構(gòu)16-18
• 第2章 電子商務(wù)推薦系統(tǒng)分析18-35
• 2.1 概述18
• 2.2 電子商務(wù)推薦系統(tǒng)的基本框架18-30
• 2.2.1 用戶行為記錄模塊19-21
• 2.2.2 興趣建模模塊21-22
• 2.2.3 推薦算法模塊22-30
• 2.3 推薦技術(shù)優(yōu)缺點比較30-31
• 2.4 推薦評價標準31-34
• 2.4.1 準確度評價指標31-34
• 2.4.2 其他指標34
• 2.5 本章小結(jié)34-35
• 第3章 基于電子商務(wù)的類目體系構(gòu)建研究35-47
• 3.1 概述35
• 3.2 SPS的構(gòu)建流程35-42
• 3.2.1 算法流程圖36-37
• 3.2.2 模塊介紹37-42
• 3.3 實驗分析42-46
• 3.3.1 數(shù)據(jù)介紹42-43
• 3.3.2 數(shù)據(jù)預(yù)處理43
• 3.3.3 實驗效果分析及總結(jié)43-46
• 3.4 本章小結(jié)46-47
• 第4章 基于SPS的推薦算法研究47-54
• 4.1 概述47
• 4.2 Item to Item算法分析47-49
• 4.3 基于SPS的推薦系統(tǒng)49-50
• 4.3.1 算法介紹49-50
• 4.3.2 系統(tǒng)流程50
• 4.4 模塊介紹50-53
• 4.4.1 用戶行為數(shù)據(jù)映射50-51
• 4.4.2 SPS-to-SPS相似性計算51-52
• 4.4.3 產(chǎn)生推薦結(jié)果集52-53
• 4.5 本章小結(jié)53-54
• 第5章 系統(tǒng)實現(xiàn)與實驗分析54-62
• 5.1 系統(tǒng)實現(xiàn)及部署54-55
• 5.1.1 算法參數(shù)介紹55
• 5.1.2 系統(tǒng)部署情況55
• 5.2 相關(guān)術(shù)語55
• 5.3 數(shù)據(jù)獲取55-57
• 5.4 評價標準57-58
• 5.5 實驗分析58-61
• 5.6 本章小結(jié)61-62
• 第6章 工作總結(jié)及展望62-64
• 6.1 本文工作總結(jié)62
• 6.2 下一步的研究工作62-64
• 參考文獻64-69
• 致謝69-70
• 在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果70

【引證文獻】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 張喜;基于語義模板與知識庫的智能導(dǎo)購機器人系統(tǒng)的研究與實現(xiàn)[D];中央民族大學(xué);2012年

2 嚴水發(fā);基于Agent的個性化服務(wù)平臺的應(yīng)用研究[D];中南大學(xué);2012年

3 張進;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾算法的分析與研究[D];首都經(jīng)濟貿(mào)易大學(xué);2012年

，

本文編號：688785