本文關(guān)鍵詞：數(shù)據(jù)挖掘在電子商務(wù)推薦系統(tǒng)中的應(yīng)用與研究

  更多相關(guān)文章： 個性化推薦 數(shù)據(jù)挖掘 搜索引擎 協(xié)同過濾

【摘要】：計算機、通信以及網(wǎng)絡(luò)技術(shù)的進步促進了互聯(lián)網(wǎng)與電子商務(wù)的快速發(fā)展。同時互聯(lián)網(wǎng)的普及和電子商務(wù)的迅速發(fā)展使得海量信息過載的問題凸顯了出來，用戶在面對互聯(lián)網(wǎng)中龐大的產(chǎn)品信息時很難快速找到自己所需要的產(chǎn)品。因此，，電子商務(wù)推薦系統(tǒng)應(yīng)運而生，它能夠幫助用戶快速而準(zhǔn)確的找到所需產(chǎn)品。但此技術(shù)目前仍存在著數(shù)據(jù)的稀疏性、系統(tǒng)擴展性差及精確性低等一系列問題。 本文在研究WEB數(shù)據(jù)挖掘的基礎(chǔ)上，與現(xiàn)有的電子商務(wù)系統(tǒng)結(jié)合在一起，提出了基于WEB數(shù)據(jù)挖掘的電子商務(wù)個性化推薦系統(tǒng)的模型。WEB數(shù)據(jù)挖掘是從WEB文檔和WEB活動中發(fā)現(xiàn)并抽取感興趣、潛在的有用模式和隱藏信息，可以滿足電子商務(wù)未來發(fā)展趨勢的需要。 本文工作的創(chuàng)新點是將推薦和比價兩種技術(shù)結(jié)合起來，用目前流行的MVC的開發(fā)模式設(shè)計完成了在線圖書比價推薦系統(tǒng)。在個性化瀏覽的實現(xiàn)過程中首先深入研究了WEB數(shù)據(jù)挖掘中不同算法并進行對比，選用基于用戶和項目雙重聚類的協(xié)同過濾算法為推薦系統(tǒng)的主要算法。在此基礎(chǔ)上最終實現(xiàn)了搜索比價以及個性化推薦兩個子模塊。
【關(guān)鍵詞】：個性化推薦 數(shù)據(jù)挖掘 搜索引擎 協(xié)同過濾
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP311.13;TP391.3
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 1 緒論7-12
• 1.1 論文研究背景及意義7-8
• 1.2 國內(nèi)外研究現(xiàn)狀8-10
• 1.2.1 國外研究現(xiàn)狀8-9
• 1.2.2 國內(nèi)研究現(xiàn)狀9-10
• 1.3 論文研究內(nèi)容10
• 1.4 論文組織結(jié)構(gòu)安排10-12
• 2 數(shù)據(jù)挖掘技術(shù)12-18
• 2.1 數(shù)據(jù)挖掘技術(shù)介紹12-15
• 2.1.1 數(shù)據(jù)挖掘概述12-14
• 2.1.2 數(shù)據(jù)挖掘的分類14
• 2.1.3 數(shù)據(jù)挖掘研究存在的問題14-15
• 2.2 WEB 數(shù)據(jù)挖掘15-18
• 2.2.1 WEB 數(shù)據(jù)挖掘（WEB Data Mining）定義15
• 2.2.2 WEB 數(shù)據(jù)挖掘分類15-17
• 2.2.3 WEB 數(shù)據(jù)挖掘特點17
• 2.2.4 常用的 WEB 數(shù)據(jù)挖掘技術(shù)17-18
• 3 電子商務(wù)個性化推薦系統(tǒng)18-40
• 3.1 推薦系統(tǒng)概述18-19
• 3.1.1 電子商務(wù)個性化推薦系統(tǒng)概述18
• 3.1.2 電子商務(wù)推薦系統(tǒng)分類18-19
• 3.1.3 電子商務(wù)個性化推薦系統(tǒng)作用19
• 3.2 推薦系統(tǒng)設(shè)計19-33
• 3.2.1 數(shù)據(jù)采集20-24
• 3.2.2 數(shù)據(jù)預(yù)處理24-31
• 3.2.3 模式挖掘31-32
• 3.2.4 模式推薦32-33
• 3.3 推薦系統(tǒng)算法分析33-40
• 3.3.1 傳統(tǒng)協(xié)同過濾推薦算法33
• 3.3.2 基于聚類協(xié)同過濾算法的改進33-40
• 4 網(wǎng)上圖書推薦比價系統(tǒng)設(shè)計與實現(xiàn)40-55
• 4.1 開發(fā)環(huán)境與開發(fā)工具40
• 4.2 系統(tǒng)開發(fā)相關(guān)技術(shù)40-41
• 4.2.1 MVC 模式應(yīng)用40-41
• 4.2.2 Lucene 技術(shù)41
• 4.3 推薦子系統(tǒng)實現(xiàn)41-46
• 4.3.1 推薦子系統(tǒng)的目標(biāo)41-42
• 4.3.2 數(shù)據(jù)源42-43
• 4.3.3 推薦算法仿真43-46
• 4.4 比價子系統(tǒng)實現(xiàn)46-55
• 4.4.1 搜索引擎技術(shù)框架46-47
• 4.4.2 多線程網(wǎng)絡(luò)蜘蛛47-49
• 4.4.3 抽取分析 WEB 內(nèi)容模塊架構(gòu)49-51
• 4.4.4 索引實現(xiàn)51-52
• 4.4.5 查詢實現(xiàn)52-55
• 5 總結(jié)與展望55-57
• 5.1 總結(jié)55
• 5.2 問題與展望55-57
• 致謝57-58
• 參考文獻(xiàn)58-59

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙全東;王芳;任力生;;農(nóng)業(yè)智能問答系統(tǒng)中的用戶偏好研究[J];河北農(nóng)業(yè)大學(xué)學(xué)報;2011年01期

2 黃云;廖建明;;基于AJAX搭建高效的B/S減災(zāi)綜合系統(tǒng)[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年04期

3 藺莉;潘浩;;Web數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用[J];電腦知識與技術(shù);2010年04期

4 趙紅霞,趙玉梅;Web數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用[J];華南金融電腦;2004年11期

5 韓凌波;王強;蔣正鋒;郝志強;;一種改進的k-means初始聚類中心選取算法[J];計算機工程與應(yīng)用;2010年17期

6 徐海燕;唐惠康;;數(shù)據(jù)挖掘技術(shù)[J];黑龍江科技信息;2009年17期

7 丁雪;;基于數(shù)據(jù)挖掘的圖書智能推薦系統(tǒng)研究[J];情報理論與實踐;2010年05期

8 文振威;秦曉;;個性化搜索引擎的研究與設(shè)計[J];計算機工程與設(shè)計;2009年02期

9 黃國言;李有超;高建培;常旭亮;;基于項目屬性的用戶聚類協(xié)同過濾推薦算法[J];計算機工程與設(shè)計;2010年05期

10 張珠玉;劉培玉;朱振方;遲學(xué)芝;;改進的訪問統(tǒng)計方法及對用戶興趣度的計算[J];計算機工程與設(shè)計;2011年02期

本文編號：741907