近年來(lái),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(wù)系統(tǒng)層出不窮。在實(shí)際應(yīng)用中,系統(tǒng)用戶規(guī)模隨著業(yè)務(wù)擴(kuò)展產(chǎn)生了海量的電子商務(wù)數(shù)據(jù),傳統(tǒng)的以集中式架構(gòu)為主的電子商務(wù)系統(tǒng)已經(jīng)很難滿足目前海量電子商務(wù)數(shù)據(jù)存儲(chǔ)與處理的要求。另外,面對(duì)大規(guī)模電子商務(wù)數(shù)據(jù),信息過(guò)載成為一種常態(tài),個(gè)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(jià)值的信息。然而傳統(tǒng)的個(gè)性化推薦技術(shù)運(yùn)行于單機(jī)之上,受單機(jī)節(jié)點(diǎn)性能限制,無(wú)法快速有效處理海量電子商務(wù)數(shù)據(jù),需要一個(gè)良好的數(shù)據(jù)處理平臺(tái)來(lái)滿足對(duì)海量電子商務(wù)數(shù)據(jù)的處理需求。為了解決上述問(wèn)題,本文設(shè)計(jì)了一個(gè)采用分布式架構(gòu)部署的以用戶為中心的電子商務(wù)系統(tǒng)。本系統(tǒng)主要包括后臺(tái)管理模塊和前臺(tái)管理模塊,前臺(tái)管理模塊又單獨(dú)劃分為六個(gè)子模塊,包括前臺(tái)門(mén)戶模塊、搜索模塊、會(huì)員與單點(diǎn)登錄模塊、購(gòu)物車(chē)模塊、訂單模塊以及個(gè)性化推薦模塊,各個(gè)模塊單獨(dú)部署在獨(dú)立的服務(wù)器上,通過(guò)接口調(diào)用。為了緩解數(shù)據(jù)庫(kù)存儲(chǔ)壓力,后臺(tái)管理模塊部署單獨(dú)的圖片服務(wù)器用于存儲(chǔ)商品圖片數(shù)據(jù),采用Nginx提供http服務(wù)和ftp提供商品圖片上傳服務(wù)。為了減少對(duì)數(shù)據(jù)庫(kù)的查詢次數(shù),搜索模塊中部署單獨(dú)的Solr全文檢索服務(wù)器,通過(guò)配置商品... 

【文章頁(yè)數(shù)】：90 頁(yè)

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的研究?jī)?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(wù)系統(tǒng)架構(gòu)模式
    2.2 聚類(lèi)算法
        2.2.1 聚類(lèi)算法概述
        2.2.2 K-means聚類(lèi)算法
        2.2.3 CFSFDP聚類(lèi)算法和KNN-CFSFDP聚類(lèi)算法
    2.3 協(xié)同過(guò)濾推薦算法
        2.3.1 協(xié)同過(guò)濾推薦算法概述
        2.3.2 基于用戶的協(xié)同過(guò)濾推薦算法
        2.3.3 基于項(xiàng)目的協(xié)同過(guò)濾推薦算法
        2.3.4 協(xié)同過(guò)濾推薦算法優(yōu)缺點(diǎn)
    2.4 核心技術(shù)
        2.4.1 SSM開(kāi)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(jì)
    4.1 系統(tǒng)架構(gòu)設(shè)計(jì)
        4.1.1 系統(tǒng)總體框架設(shè)計(jì)
        4.1.2 系統(tǒng)功能結(jié)構(gòu)設(shè)計(jì)
    4.2 后臺(tái)管理模塊設(shè)計(jì)
    4.3 前臺(tái)門(mén)戶模塊設(shè)計(jì)
    4.4 搜索模塊設(shè)計(jì)
    4.5 會(huì)員與單點(diǎn)登錄模塊設(shè)計(jì)
    4.6 購(gòu)物車(chē)模塊設(shè)計(jì)
    4.7 訂單模塊設(shè)計(jì)
    4.8 個(gè)性化推薦模塊設(shè)計(jì)
        4.8.1 數(shù)據(jù)預(yù)處理
        4.8.2 基于Hadoop的K-means算法設(shè)計(jì)
        4.8.3 基于Hadoop的CFSFDP算法設(shè)計(jì)
        4.8.4 基于Hadoop的改進(jìn)CFSFDP算法設(shè)計(jì)
        4.8.5 聚類(lèi)算法性能對(duì)比實(shí)驗(yàn)
        4.8.6 組合協(xié)同過(guò)濾推薦
    4.9 數(shù)據(jù)庫(kù)設(shè)計(jì)
        4.9.1 數(shù)據(jù)庫(kù)概念結(jié)構(gòu)設(shè)計(jì)
        4.9.2 數(shù)據(jù)庫(kù)邏輯結(jié)構(gòu)設(shè)計(jì)
    4.10 本章小結(jié)
第5章 系統(tǒng)實(shí)現(xiàn)
    5.1 系統(tǒng)開(kāi)發(fā)環(huán)境
    5.2 系統(tǒng)模塊功能實(shí)現(xiàn)
        5.2.1 后臺(tái)管理模塊功能實(shí)現(xiàn)
        5.2.2 前臺(tái)門(mén)戶模塊功能實(shí)現(xiàn)
        5.2.3 搜索模塊功能實(shí)現(xiàn)
        5.2.4 會(huì)員與單點(diǎn)登錄模塊功能實(shí)現(xiàn)
        5.2.5 購(gòu)物車(chē)模塊功能實(shí)現(xiàn)
        5.2.6 訂單模塊功能實(shí)現(xiàn)
        5.2.7 個(gè)性化推薦模塊功能實(shí)現(xiàn)
    5.3 本章小結(jié)
第6章 系統(tǒng)測(cè)試
    6.1 測(cè)試目標(biāo)和方法
    6.2 測(cè)試用例
        6.2.1 系統(tǒng)功能測(cè)試
        6.2.2 系統(tǒng)性能測(cè)試
    6.3 測(cè)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(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文及參加科研情況


【參考文獻(xiàn)】：
期刊論文
[1]基于加權(quán)K近鄰的改進(jìn)密度峰值聚類(lèi)算法[J]. 楊震,王紅軍.  計(jì)算機(jī)應(yīng)用研究. 2020(03)
[2]國(guó)內(nèi)電子商務(wù)個(gè)性化推薦研究進(jìn)展:核心技術(shù)[J]. 孫雨生,張晨,任潔,朱禮軍.  現(xiàn)代情報(bào). 2017(04)
[3]基于改進(jìn)CURE算法的不確定性移動(dòng)用戶數(shù)據(jù)聚類(lèi)[J]. 高長(zhǎng)元,王海晶,王京.  計(jì)算機(jī)工程與科學(xué). 2016(04)
[4]基于高斯過(guò)程的CLIQUE改進(jìn)算法[J]. 向柳明,周渭博,鐘勇.  計(jì)算機(jī)應(yīng)用. 2015(S2)
[5]一種基于信任的協(xié)同過(guò)濾推薦模型[J]. 鄭孝遙,鮑煜,孫忠寶,羅永龍.  計(jì)算機(jī)工程與應(yīng)用. 2016(05)
[6]分布式搜索引擎的模型綜述[J]. 錢(qián)立兵,季振洲.  智能計(jì)算機(jī)與應(yīng)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(jìn)展[J]. 朱揚(yáng)勇,孫婧.  計(jì)算機(jī)科學(xué)與探索. 2015(05)
[9]基于劃分的聚類(lèi)算法研究綜述[J]. 賈璦瑋.  電子設(shè)計(jì)工程. 2014(23)
[10]互聯(lián)網(wǎng)用戶行為分析系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[J]. 楊曉,劉才銘,于軍偉,余莎.  計(jì)算機(jī)光盤(pán)軟件與應(yīng)用. 2014(20)

博士論文
[1]電子商務(wù)協(xié)同過(guò)濾推薦質(zhì)量影響因素及其改進(jìn)機(jī)制研究[D]. 薛福亮.天津大學(xué) 2012

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



本文編號(hào)：3666321