本文選題：電子商務　切入點：保險推薦　出處：《復旦大學》2013年碩士論文

【摘要】：隨著信息技術(shù)和互聯(lián)網(wǎng)的高速發(fā)展,電子商務也隨之迅速發(fā)展,人類逐漸從信息匱乏的時代漸漸走向了大數(shù)據(jù)的時代,信息繁瑣和找不到人們需要的信息成為現(xiàn)在電子商務發(fā)展的瓶頸。在這個信息技術(shù)的新時代,無論對于信息的創(chuàng)造者還是信息的閱讀者,都被淹沒在大量的選擇之中,信息創(chuàng)造者需要定向投遞廣告,信息閱讀者需要找到符合自身愿望的產(chǎn)品,推薦系統(tǒng)的出現(xiàn)就是為了解決這一矛盾的重要工具。推薦系統(tǒng),顧名思義就是為電子商務的用戶來推薦其感興趣的產(chǎn)品。它根據(jù)用戶個人的屬性,個人的喜歡,購買習慣來向其推薦相應的產(chǎn)品。本文的推薦是基于保險的,目前全世界對于保險的推薦還處于一個空白的階段,如果只是套用現(xiàn)有的推薦算法,當用戶屬性不是很明確或者購買瀏覽行為不夠多的情況下,比較難以對其進行個性化的推薦,推薦的效果就完全失去了意義。本文首先調(diào)研了國內(nèi)外現(xiàn)有主流電子商務網(wǎng)站的推薦系統(tǒng),在此基礎上分析了X1保險電子商務網(wǎng)站的現(xiàn)狀,對開發(fā)保險個性化推薦系統(tǒng)進行了比較詳盡的需求分析,然后設計出了一個保險個性化推薦系統(tǒng)的系統(tǒng)框架,該系統(tǒng)框架包括推薦系統(tǒng)的實施層、推薦系統(tǒng)的引擎層、推薦系統(tǒng)的數(shù)據(jù)／知識層三個模塊。其次,在推薦系統(tǒng)的詳細設計階段,量化了客戶屬性和產(chǎn)品屬性,根據(jù)各個推薦算法的需要,設計出了數(shù)據(jù)庫的模式,包括推薦算法需要的原始數(shù)據(jù)表和推薦結(jié)果表,重點設計了適合于各個場景和各個客戶類型的個性化和非個性化的推薦算法,包括基于統(tǒng)計的推薦算法、基于關聯(lián)規(guī)則的推薦算法、基于用戶協(xié)同過濾的推薦算法、基于條目的協(xié)同過濾推薦算法和基于內(nèi)容的推薦算法。然后為了驗證推薦算法的正確性,對各個推薦算法進行了測試。最后,設計出了一個系統(tǒng)部署技術(shù)方案,將推薦系統(tǒng)和X保險電子商務網(wǎng)站進行了對接。
[Abstract]:With the rapid development of information technology and the Internet, electronic commerce has also developed rapidly. Human beings have gradually moved from the era of information scarcity to the era of big data. Information tedious and unable to find the information people need become the bottleneck of the development of electronic commerce. In this new era of information technology, both the creator of information and the reader of information are submerged in a large number of choices. Information creators need to deliver advertisements, information readers need to find products that meet their wishes. Recommendation system is an important tool to solve this contradiction. As its name implies, it recommends products of interest to users of electronic commerce. It recommends products to users according to their personal attributes, personal preferences and purchasing habits. The recommendation in this article is based on insurance. At present, the recommendation of insurance in the world is still in a blank stage. If we only apply the existing recommendation algorithm, when the user's attribute is not clear or the behavior of purchasing browsing is not enough, It is difficult to make personalized recommendation, and the effect of recommendation is completely meaningless. Firstly, this paper investigates the current recommendation system of mainstream e-commerce websites at home and abroad, and then analyzes the status quo of X1 insurance e-commerce website. This paper analyzes the requirement of developing insurance personalized recommendation system, and then designs a system framework of insurance personalized recommendation system, which includes the implementation layer of the recommendation system, the engine layer of the recommendation system, and the system framework of the insurance personalization recommendation system, which includes the implementation layer of the recommendation system, the engine layer of the recommendation system. Secondly, in the detailed design stage of the recommendation system, the customer attributes and product attributes are quantified, and the database model is designed according to the needs of each recommendation algorithm. Including the original data table and the recommendation result table which the recommendation algorithm needs, especially designed the personalized and non-personalized recommendation algorithm suitable for each scene and each customer type, including the recommendation algorithm based on statistics. Recommendation algorithm based on association rule, recommendation algorithm based on user collaborative filtering, recommendation algorithm based on item and recommendation algorithm based on content. Finally, a technical scheme of system deployment is designed, which connects the recommendation system with X Insurance E-commerce website.
【學位授予單位】：復旦大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TP391.3

【相似文獻】

相關期刊論文 前10條

1 米可菲;張勇;邢春曉;蔚欣;;面向大數(shù)據(jù)的開源推薦系統(tǒng)分析[J];計算機與數(shù)字工程;2013年10期

2 脫建勇;王嵩;李秀;劉文煌;;精品課共享中的推薦系統(tǒng)框架與實現(xiàn)[J];計算機工程與設計;2006年17期

3 蘇冠賢;張麗霞;林丕源;劉吉平;;生物信息學推薦系統(tǒng)的設計與實現(xiàn)[J];計算機應用研究;2007年05期

4 王改芬;;推薦系統(tǒng)研究綜述[J];軟件導刊;2007年23期

5 葉群來;;營銷與網(wǎng)絡推薦系統(tǒng)[J];電子商務;2007年10期

6 李媚;;個性化網(wǎng)絡學習資源推薦系統(tǒng)研究[J];福建電腦;2008年12期

7 潘冉;姜麗紅;;基于經(jīng)濟學模型的推薦系統(tǒng)的研究[J];計算機應用與軟件;2008年03期

8 劉魯;任曉麗;;推薦系統(tǒng)研究進展及展望[J];信息系統(tǒng)學報;2008年01期

9 劉小燕;陳艷麗;賈宗璞;沈記全;;基于增強學習的旅行計劃推薦系統(tǒng)[J];計算機工程;2010年21期

10 曹畋;;智能推薦系統(tǒng)在知識瀏覽領域的應用[J];硅谷;2011年21期

相關會議論文 前8條

1 張燕;李燕萍;;基于內(nèi)容分析和點擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號處理學術(shù)年會論文集[C];2009年

2 趙欣;寇綱;鄔文帥;盧艷群;;基于時間密集性的推薦系統(tǒng)攻擊檢測[A];第六屆（2011）中國管理學年會論文摘要集[C];2011年

3 張玉連;張波;張敏;;改進的個性化信息推薦系統(tǒng)的設計與實現(xiàn)[A];2005年全國理論計算機科學學術(shù)年會論文集[C];2005年

4 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學術(shù)會議（NCMT2009）、第5屆全國人機交互學術(shù)會議（CHCI2009）、第5屆全國普適計算學術(shù)會議（PCC2009）論文集[C];2009年

5 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務推薦系統(tǒng)[A];第三屆學生計算語言學研討會論文集[C];2006年

6 尤忠彬;陳越;張英;朱揚勇;;基于Web服務的技術(shù)轉(zhuǎn)移平臺推薦系統(tǒng)研究[A];第二十二屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2005年

7 王國霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應用[A];第25屆中國控制與決策會議論文集[C];2013年

8 王雪;董愛華;吳怡之;;基于RFID技術(shù)的智能服裝推薦系統(tǒng)設計[A];2011年全國電子信息技術(shù)與應用學術(shù)會議論文集[C];2011年

相關重要報紙文章 前2條

1 ;大數(shù)據(jù)如何“落地”[N];中國新聞出版報;2014年

2 本報記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計算機世界;2012年

相關博士學位論文 前10條

1 王宏宇;商務推薦系統(tǒng)的設計研究[D];中國科學技術(shù)大學;2007年

2 楊東輝;基于情感相似度的社會化推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學;2014年

3 曹渝昆;基于神經(jīng)網(wǎng)絡和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學;2006年

4 王立才;上下文感知推薦系統(tǒng)若干關鍵技術(shù)研究[D];北京郵電大學;2012年

5 劉龍;一個能實現(xiàn)個性化實時路徑推薦服務的推薦系統(tǒng)框架[D];中國科學技術(shù)大學;2014年

6 李濤;推薦系統(tǒng)中若干關鍵問題研究[D];南京航空航天大學;2009年

7 劉士琛;面向推薦系統(tǒng)的關鍵問題研究及應用[D];中國科學技術(shù)大學;2014年

8 李方方;非獨立同分布推薦系統(tǒng)研究[D];北京理工大學;2014年

9 李曉建;基于語義的個性化資源推薦系統(tǒng)中關鍵技術(shù)研究[D];武漢大學;2010年

10 張堯;B2C環(huán)境下用戶感知可信的推薦系統(tǒng)理論及其關鍵方法研究[D];哈爾濱工業(yè)大學;2013年

相關碩士學位論文 前10條

1 朱孔真;基于云計算的電子商務智能推薦系統(tǒng)研究[D];武漢理工大學;2014年

2 郭敬澤;基于賦權(quán)評分和Dpark的分布式推薦系統(tǒng)研究與實現(xiàn)[D];天津理工大學;2015年

3 周俊宇;信息推薦系統(tǒng)的研究與設計[D];江南大學;2015年

4 李煒;基于電子商務平臺的保險推薦系統(tǒng)的設計與實現(xiàn)[D];復旦大學;2013年

5 車豐;基于排序主題模型的論文推薦系統(tǒng)[D];大連海事大學;2015年

6 秦大路;基于因式分解機模型的上下文感知推薦系統(tǒng)研究[D];鄭州大學;2015年

7 徐霞婷;動態(tài)路網(wǎng)監(jiān)控與導航推薦系統(tǒng)的設計與實現(xiàn)[D];蘇州大學;2015年

8 黃學峰;基于Hadoop的電影推薦系統(tǒng)研究與實現(xiàn)[D];南京師范大學;2015年

9 路小瑞;基于Hadoop平臺的職位推薦系統(tǒng)的設計與實現(xiàn)[D];上海交通大學;2015年

10 李愛寶;基于組合消費行為分析的團購推薦系統(tǒng)的設計與實現(xiàn)[D];哈爾濱工業(yè)大學;2015年

，

本文編號：1683668