近年來,隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展,各種形式的電子商務系統(tǒng)層出不窮。在實際應用中,系統(tǒng)用戶規(guī)模隨著業(yè)務擴展產(chǎn)生了海量的電子商務數(shù)據(jù),傳統(tǒng)的以集中式架構(gòu)為主的電子商務系統(tǒng)已經(jīng)很難滿足目前海量電子商務數(shù)據(jù)存儲與處理的要求。另外,面對大規(guī)模電子商務數(shù)據(jù),信息過載成為一種常態(tài),個性化推薦技術(shù)能夠幫助用戶從繁雜的數(shù)據(jù)中挖掘出有價值的信息。然而傳統(tǒng)的個性化推薦技術(shù)運行于單機之上,受單機節(jié)點性能限制,無法快速有效處理海量電子商務數(shù)據(jù),需要一個良好的數(shù)據(jù)處理平臺來滿足對海量電子商務數(shù)據(jù)的處理需求。為了解決上述問題,本文設(shè)計了一個采用分布式架構(gòu)部署的以用戶為中心的電子商務系統(tǒng)。本系統(tǒng)主要包括后臺管理模塊和前臺管理模塊,前臺管理模塊又單獨劃分為六個子模塊,包括前臺門戶模塊、搜索模塊、會員與單點登錄模塊、購物車模塊、訂單模塊以及個性化推薦模塊,各個模塊單獨部署在獨立的服務器上,通過接口調(diào)用。為了緩解數(shù)據(jù)庫存儲壓力,后臺管理模塊部署單獨的圖片服務器用于存儲商品圖片數(shù)據(jù),采用Nginx提供http服務和ftp提供商品圖片上傳服務。為了減少對數(shù)據(jù)庫的查詢次數(shù),搜索模塊中部署單獨的Solr全文檢索服務器,通過配置商品... 

【文章頁數(shù)】：90 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的研究內(nèi)容
    1.4 本文的組織結(jié)構(gòu)
第2章 相關(guān)工作
    2.1 電子商務系統(tǒng)架構(gòu)模式
    2.2 聚類算法
        2.2.1 聚類算法概述
        2.2.2 K-means聚類算法
        2.2.3 CFSFDP聚類算法和KNN-CFSFDP聚類算法
    2.3 協(xié)同過濾推薦算法
        2.3.1 協(xié)同過濾推薦算法概述
        2.3.2 基于用戶的協(xié)同過濾推薦算法
        2.3.3 基于項目的協(xié)同過濾推薦算法
        2.3.4 協(xié)同過濾推薦算法優(yōu)缺點
    2.4 核心技術(shù)
        2.4.1 SSM開源框架技術(shù)
        2.4.2 Nginx技術(shù)
        2.4.3 Redis和Solr技術(shù)
        2.4.4 Hadoop技術(shù)
    2.5 本章小結(jié)
第3章 系統(tǒng)分析
    3.1 系統(tǒng)需求分析
        3.1.1 用戶需求分析
        3.1.2 功能性需求
        3.1.3 非功能性需求
    3.2 系統(tǒng)可行性分析
    3.3 本章小結(jié)
第4章 系統(tǒng)設(shè)計
    4.1 系統(tǒng)架構(gòu)設(shè)計
        4.1.1 系統(tǒng)總體框架設(shè)計
        4.1.2 系統(tǒng)功能結(jié)構(gòu)設(shè)計
    4.2 后臺管理模塊設(shè)計
    4.3 前臺門戶模塊設(shè)計
    4.4 搜索模塊設(shè)計
    4.5 會員與單點登錄模塊設(shè)計
    4.6 購物車模塊設(shè)計
    4.7 訂單模塊設(shè)計
    4.8 個性化推薦模塊設(shè)計
        4.8.1 數(shù)據(jù)預處理
        4.8.2 基于Hadoop的K-means算法設(shè)計
        4.8.3 基于Hadoop的CFSFDP算法設(shè)計
        4.8.4 基于Hadoop的改進CFSFDP算法設(shè)計
        4.8.5 聚類算法性能對比實驗
        4.8.6 組合協(xié)同過濾推薦
    4.9 數(shù)據(jù)庫設(shè)計
        4.9.1 數(shù)據(jù)庫概念結(jié)構(gòu)設(shè)計
        4.9.2 數(shù)據(jù)庫邏輯結(jié)構(gòu)設(shè)計
    4.10 本章小結(jié)
第5章 系統(tǒng)實現(xiàn)
    5.1 系統(tǒng)開發(fā)環(huán)境
    5.2 系統(tǒng)模塊功能實現(xiàn)
        5.2.1 后臺管理模塊功能實現(xiàn)
        5.2.2 前臺門戶模塊功能實現(xiàn)
        5.2.3 搜索模塊功能實現(xiàn)
        5.2.4 會員與單點登錄模塊功能實現(xiàn)
        5.2.5 購物車模塊功能實現(xiàn)
        5.2.6 訂單模塊功能實現(xiàn)
        5.2.7 個性化推薦模塊功能實現(xiàn)
    5.3 本章小結(jié)
第6章 系統(tǒng)測試
    6.1 測試目標和方法
    6.2 測試用例
        6.2.1 系統(tǒng)功能測試
        6.2.2 系統(tǒng)性能測試
    6.3 測試結(jié)果
    6.4 本章小結(jié)
第7章 工作總結(jié)與展望
    7.1 論文總結(jié)
    7.2 工作展望
致謝
參考文獻
攻讀學位期間發(fā)表的學術(shù)論文及參加科研情況


【參考文獻】：
期刊論文
[1]基于加權(quán)K近鄰的改進密度峰值聚類算法[J]. 楊震,王紅軍.  計算機應用研究. 2020(03)
[2]國內(nèi)電子商務個性化推薦研究進展:核心技術(shù)[J]. 孫雨生,張晨,任潔,朱禮軍.  現(xiàn)代情報. 2017(04)
[3]基于改進CURE算法的不確定性移動用戶數(shù)據(jù)聚類[J]. 高長元,王海晶,王京.  計算機工程與科學. 2016(04)
[4]基于高斯過程的CLIQUE改進算法[J]. 向柳明,周渭博,鐘勇.  計算機應用. 2015(S2)
[5]一種基于信任的協(xié)同過濾推薦模型[J]. 鄭孝遙,鮑煜,孫忠寶,羅永龍.  計算機工程與應用. 2016(05)
[6]分布式搜索引擎的模型綜述[J]. 錢立兵,季振洲.  智能計算機與應用. 2015(05)
[7]推薦引擎原理及發(fā)展綜述[J]. 劉楊,楊明川.  電信技術(shù). 2015(06)
[8]推薦系統(tǒng)研究進展[J]. 朱揚勇,孫婧.  計算機科學與探索. 2015(05)
[9]基于劃分的聚類算法研究綜述[J]. 賈璦瑋.  電子設(shè)計工程. 2014(23)
[10]互聯(lián)網(wǎng)用戶行為分析系統(tǒng)的設(shè)計和實現(xiàn)[J]. 楊曉,劉才銘,于軍偉,余莎.  計算機光盤軟件與應用. 2014(20)

博士論文
[1]電子商務協(xié)同過濾推薦質(zhì)量影響因素及其改進機制研究[D]. 薛福亮.天津大學 2012

碩士論文
[1]基于密度的分布式聚類算法研究[D]. 梁銘霏.北京交通大學 2018
[2]一種基于密度和層次的聚類算法的研究[D]. 吳浩同.北京工業(yè)大學 2017
[3]基于大數(shù)據(jù)的電子商務個性化信息推薦服務模式研究[D]. 胡一.吉林大學 2015
[4]B2C電子商務系統(tǒng)的設(shè)計與實現(xiàn)[D]. 杜文慧.電子科技大學 2014
[5]安全電子商務網(wǎng)站的設(shè)計與實現(xiàn)[D]. 帕爾哈提·伊德力斯.廈門大學 2014
[6]基于BIRCH改進算法的文本聚類研究[D]. 仰孝富.北京林業(yè)大學 2013
[7]軟件非功能需求層次模型研究[D]. 彭小玲.中南大學 2011
[8]基于STING與支持向量回歸機的網(wǎng)絡安全預警技術(shù)研究[D]. 梁玉翰.解放軍信息工程大學 2008



本文編號：3666321