本文關(guān)鍵詞：電子商務(wù)推薦系統(tǒng)的優(yōu)化模型，，由筆耕文化傳播整理發(fā)布。

【摘要】：電子商務(wù)環(huán)境包括多方之間利用電子技術(shù)進(jìn)行的所有在線活動(dòng)和業(yè)務(wù)運(yùn)營,隨著互聯(lián)網(wǎng)和電子商務(wù)網(wǎng)站的巨大發(fā)展,當(dāng)消費(fèi)者選擇他們所需物資和商品時(shí),他們面臨著嚴(yán)重的數(shù)據(jù)重載問題。因此許多網(wǎng)站研究和項(xiàng)目都專注于推薦系統(tǒng)的研發(fā),以向用戶提供更多的個(gè)性化推薦服務(wù)。 推薦系統(tǒng)已經(jīng)成為許多電子商務(wù)巨頭的重要工具,用于幫助他們的顧客更快捷便利地找到自己心儀的產(chǎn)品。它就像推銷員一樣向用戶提供建議和服務(wù),幫助他們找到需要的商品和其它感興趣的東西。 然而,隨著推薦服務(wù)的廣泛使用,一些問題和挑戰(zhàn)也隨之而來,比如實(shí)時(shí)推薦、信息缺乏、冷啟動(dòng)問題和建議質(zhì)量。因此目前推薦系統(tǒng)的正常工作和優(yōu)勢仍然受一些問題的其影響；如有限的內(nèi)容分析,過度專業(yè)化,先令攻擊,多樣性與長尾和可擴(kuò)展性的問題。 為了解決這些問題,我們建立了基于混合推薦技術(shù)結(jié)合數(shù)據(jù)挖掘中聚類技術(shù)的新模型推薦系統(tǒng),為著克服缺點(diǎn)點(diǎn),并提供滿足各類用戶興趣和需求的最好推薦結(jié)果與優(yōu)勢。 本研究課題的目的是在全球電子商務(wù)網(wǎng)站創(chuàng)建全新的推薦系統(tǒng)服務(wù)模型,優(yōu)化推薦系統(tǒng)。 在該模型中,最有效的數(shù)據(jù)源都被整合,提高了推薦系統(tǒng)的準(zhǔn)確性,也向客戶端提供更直觀的分類瀏覽界面。 我們的主要服務(wù)推薦系統(tǒng)有五個(gè)功能可以概括為以下幾點(diǎn)：基于搜索數(shù)據(jù)的標(biāo)識(shí)：推薦系統(tǒng)生成的搜索引擎的數(shù)據(jù),搜索歷史記錄,點(diǎn)擊url。然后使用與用戶配置文件信息模型的搜索數(shù)據(jù),提供用戶根據(jù)這些生成推薦結(jié)果搜索數(shù)據(jù)。我們已經(jīng)提出和應(yīng)用一種改進(jìn)的優(yōu)質(zhì)STC(后綴樹聚類)算法結(jié)合用戶興趣的概要文件來執(zhí)行搜索推薦服務(wù)。 基于評級信息的標(biāo)識(shí)：生成評價(jià)項(xiàng)目,并使用該模型的評級信息,項(xiàng)目信息和用戶配置文件數(shù)據(jù)提供推薦結(jié)果。我們使用鄰居聚類方法分類支持向量機(jī)(SVM)分類佑的評級數(shù)據(jù),以提供用戶高級質(zhì)量推薦基于他們的評級信息和類似的用戶評分?jǐn)?shù)據(jù)。 新項(xiàng)目推薦：對于它們沒有什么可評價(jià)數(shù)據(jù)的新項(xiàng)目,購買信息,甚至項(xiàng)目詳細(xì)的功能,系統(tǒng)采用基于內(nèi)容的模型來分析新項(xiàng)目的輸入特征和相似度評分項(xiàng)目提供推薦,我們提出了一個(gè)新的聚類技術(shù)解決冷啟動(dòng)問題存在于當(dāng)前的推薦系統(tǒng)。 新用戶推薦：系統(tǒng)中兩種類型的用戶：用戶注冊到網(wǎng)站,用戶有一個(gè)帳戶沒有任何評級或購買數(shù)據(jù),第二種是有購買的活躍用戶,額定甚至搜索日志。推薦系統(tǒng)使用新的用戶配置文件數(shù)據(jù)模型分析和度量與活躍用戶的相似性并提供實(shí)時(shí)推薦。 推薦基于位置：系統(tǒng)分析用戶數(shù)據(jù),包括他的網(wǎng)絡(luò)IP和用戶配置文件來確定他的位置,然后使用用戶的位置識(shí)別數(shù)據(jù)根據(jù)同一位置的用戶數(shù)據(jù),以提供消費(fèi)者最感興趣的項(xiàng)目。 由店主或網(wǎng)站管理的熱釋放：系統(tǒng)提供了一些推薦,如熱釋放物品,折扣促銷,批發(fā)價(jià)格,...等。根據(jù)管理員或系統(tǒng)算法,店主有權(quán)管理和控制這部分的推薦結(jié)果；為了提高電子商務(wù)網(wǎng)站的業(yè)務(wù)策略。 我們新的推薦系統(tǒng)的模型屬于利用數(shù)據(jù)挖掘中的聚類技術(shù)高度考慮推薦質(zhì)量,實(shí)時(shí)推薦結(jié)果,并為問題,如冷啟動(dòng)等問題提出了解決方案的完整個(gè)性化推薦系統(tǒng)。這使得我們的系統(tǒng)有適應(yīng)性和可擴(kuò)展的推薦系統(tǒng)。 當(dāng)用戶瀏覽網(wǎng)站時(shí),數(shù)據(jù)源會(huì)自動(dòng)進(jìn)行整合,分門別類地把每個(gè)物品安排到一個(gè)新的瀏覽推薦界面。 這種模型的優(yōu)勢在于靈活高效地幫助用戶找到他們真正感興趣的東西,也解決了當(dāng)前推薦系統(tǒng)存在的一些問題。 數(shù)據(jù)挖掘技術(shù)和聚類算法已經(jīng)被提出并應(yīng)用到實(shí)現(xiàn)該模型的構(gòu)想中,并且使用了多重交叉驗(yàn)證技術(shù)評估新模型推薦系統(tǒng)的有效性和準(zhǔn)確率。網(wǎng)站選.NET框架環(huán)境工具為實(shí)現(xiàn)應(yīng)用程序。用ORACLE進(jìn)行數(shù)據(jù)庫管理。
【關(guān)鍵詞】：電子商務(wù) 數(shù)據(jù)挖掘 推薦系統(tǒng) 聚類算法
【學(xué)位授予單位】：中南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.3
【目錄】：

• Abstract6-9
• 摘要9-11
• List of contents11-13
• List of Tables13-14
• List of Figures14-16
• 1 Introduction and Motivation16-24
• 1.1 Introduction16-17
• 1.2 Recommendation Systems in E-Commerce17-20
• 1.1.1 The Value of Recommendation Engines17-18
• 1.1.2 Main functionalities of recommender systems18-20
• 1.3 Requirements for recommender systems20-21
• 1.4 Aim of thesis21-22
• 1.5 The Outlines of the Dissertation22-24
• 2 Traditional Recommendation Algorithms24-33
• 2.1 Content-Based Recommendation Method24-27
• 2.2 Collaborative recommendation method27-31
• 2.3 Hybrid Recommendation System31-32
• 2.4 Summary32-33
• 3 Purposed Recommender System33-69
• 3.1 Basic Architecture of the Recommender System33-39
• 3.2 Logical Schemas of Database39-40
• 3.3 Project Enhancement40-57
• 3.3.1 Data model40-43
• 3.3.2 Process model43-55
• 3.3.3 Online Recommender55-57
• 3.4 Recommendation Algorithms57-68
• 3.4.1 STC Algorithm57-60
• 3.4.2 Neighbor Algorithm60-62
• 3.4.3 Support Vector Machine(SVM)62-65
• 3.4.4 User's location matrix and algorithms65-67
• 3.4.5 Algorithms Integration67-68
• 3.5 Summary68-69
• 4 Project Implementation69-96
• 4.1 Implementation Technologies69-72
• 4.1.1 The .NET Framework69-70
• 4.1.2 Internet Information Service (IIS)70
• 4.1.3 Oracle Database with ASP.NET70-72
• 4.2 Exemplary services implementation72-81
• 4.2.1 Enhanced Recommendation based on Search data72-75
• 4.2.2 Enhanced Recommendation based on Rated Items75-77
• 4.2.3 Cold Start Solutions77-80
• 4.2.4 Identification based on location80-81
• 4.3 Project Implementation81-89
• 4.3.1 Main Page of Items81-82
• 4.3.2 Hot Search Items82-84
• 4.3.3 Top Rated Items84-85
• 4.3.4 New Items & Users Recommendation85-87
• 4.3.5 Recommendation Based on Location87-88
• 4.3.6 Hot Releases by Admin88-89
• 4.4 Prediction Accuracy Evaluation89-95
• 4.4.1 Evaluation Methods of Prediction Accuracy90-91
• 4.4.2 Prediction Result of System91-95
• 4.5 Summary95-96
• 5 Conclusions and Future Works96-98
• 5.1 Conclusions96-97
• 5.2 Future work97-98
• REFERENCES98-103
• Acknowledgments103-104
• Research Publications104

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 董元方;李軍;;用蒙特卡羅方法實(shí)現(xiàn)聚類結(jié)果評估[J];長春理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

2 趙鳴;杜友福;;改進(jìn)型的關(guān)聯(lián)規(guī)則算法及其在智能答疑系統(tǒng)中的應(yīng)用研究[J];長江大學(xué)學(xué)報(bào)(自然科學(xué)版)理工卷;2008年04期

3 何宏;譚永紅;;一種基于動(dòng)態(tài)遺傳算法的聚類新方法[J];電子學(xué)報(bào);2012年02期

4 陶珂;朱建軍;;多指標(biāo)融合的小波去噪最佳分解尺度選擇方法[J];測繪學(xué)報(bào);2012年05期

5 李建忠;;Web網(wǎng)頁聚類系統(tǒng)研究與設(shè)計(jì)[J];韓山師范學(xué)院學(xué)報(bào);2008年06期

6 楊印生;孫趙華;馬萍;陶躍;司瑾;;基于SOMK算法的T-S模糊系統(tǒng)建模方法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2008年03期

7 ;CLUSTERING VALIDITY BASED ON THE IMPROVED S_DBW INDEX[J];Journal of Electronics(China);2009年02期

8 殷愛茹,李棟,黃亞樓;基因表達(dá)數(shù)據(jù)聚類有效性分析的EFOM法[J];計(jì)算機(jī)工程與應(yīng)用;2005年17期

9 楊曉偉;閆麗;;基于模糊分割的支持向量機(jī)分類器[J];計(jì)算機(jī)工程與應(yīng)用;2007年28期

10 趙恒,楊萬海;模糊K-Modes聚類精確度分析[J];計(jì)算機(jī)工程;2003年12期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前5條

1 劉啟亮;鄧敏;彭東亮;徐震;;基于場論的空間聚類有效性評價(jià)方法研究[A];2009`中國地理信息產(chǎn)業(yè)論壇暨第二屆教育論壇就業(yè)洽談會(huì)論文集[C];2009年

2 李雙虎;趙會(huì)民;;聚類有效性分析[A];中國自動(dòng)化學(xué)會(huì)全國第九屆自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2004年

3 張勇;彭怡;李君;石勇;;基于多目標(biāo)決策的聚類算法有效性評價(jià)[A];第六屆（2011）中國管理學(xué)年會(huì)——商務(wù)智能分會(huì)場論文集[C];2011年

4 馬驍;王曉龍;王軒;卜永忠;;基于網(wǎng)頁信息結(jié)構(gòu)的網(wǎng)頁體裁聚類分析[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集（上）[C];2008年

5 ;Validity of Cluster Technique for Genome Expression Data[A];第24屆中國控制與決策會(huì)議論文集[C];2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊春成;空間數(shù)據(jù)挖掘中聚類分析算法的研究[D];解放軍信息工程大學(xué);2004年

2 趙恒;數(shù)據(jù)挖掘中聚類若干問題研究[D];西安電子科技大學(xué);2005年

3 王介生;球團(tuán)燒結(jié)過程智能控制方法及其應(yīng)用研究[D];大連理工大學(xué);2006年

4 楊燕;基于計(jì)算智能的聚類組合算法研究[D];西南交通大學(xué);2006年

5 楊春梅;基因表達(dá)數(shù)據(jù)聚類分析算法研究和應(yīng)用[D];天津大學(xué);2006年

6 曾劍平;基于模糊集的自適應(yīng)偽裝入侵檢測算法及其在ASP服務(wù)安全中的應(yīng)用研究[D];廈門大學(xué);2006年

7 梁才浩;基于新型進(jìn)化算法和微機(jī)集群的電力系統(tǒng)并行無功優(yōu)化研究[D];華中科技大學(xué);2006年

8 王開軍;基于數(shù)據(jù)幾何特性的概率推理和統(tǒng)計(jì)學(xué)習(xí)研究[D];西安電子科技大學(xué);2008年

9 王軍;基于局部模型的時(shí)間序列預(yù)測方法研究[D];哈爾濱工業(yè)大學(xué);2007年

10 鈕建偉;面向適配設(shè)計(jì)的三維人體數(shù)據(jù)多分辨率描述與聚類分析[D];清華大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 牛玲玲;一種層次聚類的簇確認(rèn)方法研究[D];鄭州大學(xué);2010年

2 李紅;數(shù)據(jù)挖掘中特征選擇與聚類算法研究[D];大連理工大學(xué);2010年

3 王飛;基于蟻群優(yōu)化的模糊文本聚類算法研究[D];河南工業(yè)大學(xué);2010年

4 賈飛宇;數(shù)據(jù)挖掘在入侵檢測系統(tǒng)中的應(yīng)用研究[D];東北財(cái)經(jīng)大學(xué);2010年

5 李曉麗;不確定性數(shù)據(jù)挖掘算法設(shè)計(jì)[D];電子科技大學(xué);2011年

6 牟善玲;動(dòng)態(tài)心電波形聚類策略的有效性分析[D];天津理工大學(xué);2011年

7 樓佳;中文文本聚類的評價(jià)與改進(jìn)研究[D];杭州電子科技大學(xué);2009年

8 沈杰;基于蟻群算法的中文文本聚類研究[D];杭州電子科技大學(xué);2009年

9 劉小丹;基于自組織神經(jīng)網(wǎng)絡(luò)的外刊采購標(biāo)段劃分研究[D];哈爾濱工業(yè)大學(xué);2010年

10 徐長龍;藥品集中招標(biāo)采購中標(biāo)段劃分問題研究[D];哈爾濱工業(yè)大學(xué);2010年

  本文關(guān)鍵詞：電子商務(wù)推薦系統(tǒng)的優(yōu)化模型，由筆耕文化傳播整理發(fā)布。

本文編號：270148