本文關(guān)鍵詞：客戶網(wǎng)購(gòu)行為分析及預(yù)測(cè)系統(tǒng)研究

  更多相關(guān)文章： 知識(shí)圖 數(shù)據(jù)挖掘 Hadoop 客戶行為預(yù)測(cè)

【摘要】：電子商務(wù)交易規(guī)模的增長(zhǎng)的同時(shí)產(chǎn)生了海量的客戶購(gòu)買行為數(shù)據(jù),如何通過應(yīng)用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等工具分析挖掘蘊(yùn)含在其中客戶行為規(guī)律,并將這些規(guī)律應(yīng)用于客戶購(gòu)買傾向行為預(yù)測(cè)稱為研究熱點(diǎn)之一。準(zhǔn)確的把握客戶購(gòu)買行為,能夠?qū)﹄娮由虅?wù)中的潛在客戶群體進(jìn)行識(shí)別和定位,提高網(wǎng)站的客流量、把瀏覽者變?yōu)橘?gòu)買者、有效的控制成本、制定適當(dāng)?shù)钠髽I(yè)戰(zhàn)略、優(yōu)化倉(cāng)儲(chǔ)。有著非常強(qiáng)的現(xiàn)實(shí)意義和經(jīng)濟(jì)價(jià)值。文章針對(duì)傳統(tǒng)客戶網(wǎng)購(gòu)行為預(yù)測(cè)方法中存在的不足與挑戰(zhàn)進(jìn)行了分析與研究,提出了客戶網(wǎng)購(gòu)行為分析及預(yù)測(cè)系統(tǒng)。系統(tǒng)通過對(duì)客戶行為數(shù)據(jù)進(jìn)行分析來獲取蘊(yùn)含在其中的客戶購(gòu)買行為規(guī)律,并將所發(fā)現(xiàn)的規(guī)律知識(shí)存儲(chǔ)到知識(shí)庫(kù)中。系統(tǒng)根據(jù)客戶的實(shí)時(shí)瀏覽行為,以知識(shí)庫(kù)中的知識(shí)為依據(jù),并結(jié)合客戶個(gè)性化屬性,實(shí)現(xiàn)了對(duì)客戶購(gòu)買行為傾向的實(shí)時(shí)預(yù)測(cè)。主要研究工作有以下幾方面:1)知識(shí)發(fā)現(xiàn)。通過使用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等方法從歷史交易數(shù)據(jù)和歷史瀏覽日志等數(shù)據(jù)中挖掘能夠反映電子商務(wù)客戶購(gòu)買行為的相關(guān)規(guī)律,并對(duì)這些規(guī)律進(jìn)行提取,形成能夠支撐客戶購(gòu)買行為預(yù)測(cè)的知識(shí)。2)知識(shí)存儲(chǔ)與表示。課題采用圖作為系統(tǒng)中的知識(shí)表示方式,構(gòu)建了客戶行為知識(shí)圖。采用RDF做知識(shí)圖的數(shù)據(jù)模型表示,并基于HBase實(shí)現(xiàn)對(duì)客戶行為知識(shí)圖的存儲(chǔ)。3)客戶網(wǎng)購(gòu)行為預(yù)測(cè)。課題選取客戶想買哪些產(chǎn)品這一維度為預(yù)測(cè)目標(biāo)。通過產(chǎn)品之間的關(guān)聯(lián)關(guān)系知識(shí)確定客戶最想購(gòu)買的商品序列,并在此基礎(chǔ)上進(jìn)一步通過TOPSIS方法實(shí)現(xiàn)基于購(gòu)買者屬性特征的商品購(gòu)買傾向預(yù)測(cè)。
【關(guān)鍵詞】：知識(shí)圖 數(shù)據(jù)挖掘 Hadoop 客戶行為預(yù)測(cè)
【學(xué)位授予單位】：華北理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F724.6;TP311.13
【目錄】：

• 摘要4-5
• Abstract5-8
• 引言8-9
• 第1章 緒論9-15
• 1.1 研究背景及意義9-10
• 1.2 研究現(xiàn)狀10-13
• 1.3 傳統(tǒng)客戶網(wǎng)購(gòu)行為分析及預(yù)測(cè)中存在的不足13
• 1.4 研究?jī)?nèi)容13-14
• 1.5 文章組織結(jié)構(gòu)14-15
• 第2章 系統(tǒng)總體設(shè)計(jì)思路15-25
• 2.1 系統(tǒng)總體思路概述15-17
• 2.2 客戶網(wǎng)購(gòu)行為規(guī)律知識(shí)獲取17-21
• 2.2.1 知識(shí)獲取數(shù)據(jù)源17-18
• 2.2.2 客戶行為瀏覽日志數(shù)據(jù)預(yù)處理18-20
• 2.2.3 系統(tǒng)使用到的知識(shí)獲取方法20-21
• 2.3 知識(shí)存儲(chǔ)與表示21-23
• 2.4 客戶網(wǎng)購(gòu)行為預(yù)測(cè)23-24
• 2.5 本章小結(jié)24-25
• 第3章 系統(tǒng)體系結(jié)構(gòu)25-36
• 3.1 系統(tǒng)總體架構(gòu)25-26
• 3.2 客戶行為規(guī)律知識(shí)獲取子系統(tǒng)26-27
• 3.3 知識(shí)服務(wù)子系統(tǒng)27-33
• 3.3.1 知識(shí)表示28-29
• 3.3.2 基于HBase客戶網(wǎng)購(gòu)行為知識(shí)圖存儲(chǔ)29-33
• 3.4 客戶行為實(shí)時(shí)預(yù)測(cè)子系統(tǒng)33-35
• 3.5 本章小結(jié)35-36
• 第4章 基于FP-Growth算法的客戶網(wǎng)購(gòu)行為預(yù)測(cè)36-46
• 4.1 基于FP-Growth算法的商品關(guān)聯(lián)知識(shí)獲取36-40
• 4.2 知識(shí)更新40-43
• 4.2.1 知識(shí)存在判定41
• 4.2.2 知識(shí)更新41-43
• 4.2.3 知識(shí)更新算法43
• 4.3 基于商品關(guān)聯(lián)的客戶購(gòu)買行為預(yù)測(cè)43-44
• 4.4 本章小結(jié)44-46
• 第5章 基于改進(jìn)TOPSIS的客戶購(gòu)買傾向預(yù)測(cè)46-57
• 5.1 傳統(tǒng)TOPSIS方法46-49
• 5.1.1 TOPSIS介紹46-48
• 5.1.2 使用熵值法確定權(quán)重48-49
• 5.2 基于模糊數(shù)的TOPSIS算法49-51
• 5.3 算法應(yīng)用51-55
• 5.3.1 通過關(guān)聯(lián)知識(shí)獲取的產(chǎn)品列表51-52
• 5.3.2 消費(fèi)者屬性取值及權(quán)重模糊數(shù)確定52-55
• 5.4 本章小結(jié)55-57
• 第6章 系統(tǒng)預(yù)測(cè)結(jié)果分析57-59
• 6.1 結(jié)果分析與準(zhǔn)確性比較57-58
• 6.2 本章小結(jié)58-59
• 結(jié)論59-60
• 參考文獻(xiàn)60-64
• 致謝64-65
• 導(dǎo)師簡(jiǎn)介65-66
• 作者簡(jiǎn)介66-67
• 學(xué)位論文數(shù)據(jù)集67

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王林彬;黎建輝;沈志宏;;基于NoSQL的RDF數(shù)據(jù)存儲(chǔ)與查詢技術(shù)綜述[J];計(jì)算機(jī)應(yīng)用研究;2015年05期

2 張艷榮;于晶;趙志杰;;基于粗糙集理論的電子商務(wù)消費(fèi)行為預(yù)測(cè)研究[J];商業(yè)研究;2014年12期

3 史云放;武東英;劉勝利;高翔;;基于本體的網(wǎng)絡(luò)攻防博弈知識(shí)庫(kù)構(gòu)建方法研究[J];計(jì)算機(jī)應(yīng)用研究;2014年11期

4 李文海;許舒人;;基于Hadoop的電子商務(wù)推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年01期

5 鄧雪;李家銘;曾浩健;陳俊羊;趙俊峰;;層次分析法權(quán)重計(jì)算方法分析及其應(yīng)用研究[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2012年07期

6 張玉成;徐大紋;王筱娟;;基于加權(quán)馬爾可夫鏈的主動(dòng)用戶行為預(yù)測(cè)模型[J];計(jì)算機(jī)工程與設(shè)計(jì);2011年10期

7 劉建;孫鵬;倪宏;;基于神經(jīng)網(wǎng)絡(luò)的用戶興趣度估計(jì)[J];計(jì)算機(jī)工程;2011年07期

8 王志強(qiáng);任燕;郭寧;傅向華;;電子商務(wù)領(lǐng)域本體知識(shí)庫(kù)的構(gòu)建及應(yīng)用[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2010年11期

9 李常有;徐敏強(qiáng);;基于改進(jìn)的TOPSIS的設(shè)備重要度分析[J];振動(dòng)與沖擊;2009年06期

10 王毅;王鎖柱;杜華;;基于馬爾可夫鏈的電子商店顧客行為預(yù)測(cè)模型[J];計(jì)算機(jī)工程與設(shè)計(jì);2009年04期

，

本文編號(hào)：687599