基于协同过滤推荐的葡萄酒电商平台研究与实现

发布时间：2017-04-10 09:10

  本文关键词：基于协同过滤推荐的葡萄酒电商平台研究与实现，由笔耕文化传播整理发布。

【摘要】：随着电子商务的飞速发展,大型综合类购物网站不断壮大,各类细分领域购物网站也蓬勃式发展。葡萄酒电商领域受风投关注不断发力,竞争日趋激烈,问题也愈显突出;随着商品数量的不断增加,用户从成千上万商品中找到自己喜好的商品越来越费时费力。因此,本文构建了一个满足当前需求的葡萄酒电商平台,通过发现用户兴趣为用户进行个性化推荐,提升用户满意度及网站竞争力。在个性化推荐技术中,协同过滤推荐算法广泛用于电子商务领域,但算法还存在诸多问题,因此本文针对该算法展开了研究。本文详细分析了基于用户和基于项目的协同过滤算法,并对两种算法优缺点及存在的问题进行比较,结合葡萄酒本身特性,选择了基于用户的协同过滤算法作为基础进行改进。提出了融合项目属性的协同过滤推荐算法,将传统协同过滤算法中用户项目评分与项目属性相结合,在不增加用户反馈评分基础上,将用户对项目粗粒度的评价转换为细粒度的用户对项目属性值评价,后者相对前者在一定程度上降低了评分矩阵的稀疏度,且结构更为稳定。在此基础上,计算用户在不同属性上的相似度,加权得到综合相似度并预测评分。本文综合考虑新项目加入时造成的冷启动问题,将加权用户相似度预测评分与项目属性相似度预测评分相结合为用户进行混合推荐。最后,通过爬虫程序获取某酒类销售网站葡萄酒属性、用户评价数据,整理得到实验数据集。通过实验选择有效的用户相似性计算方法,并验证本文提出的算法的有效性。设计了一款以葡萄酒销售为主的电商网站,构建了满足当前业务需求的网站技术架构,实现了完备的前台服务与后台管理功能。针对网站需求定位具有区域性特点,实现了某市一卡通“刮刮卡”支付方式,并接入了公共代缴费功能,提高用户对网站的忠诚度。
【关键词】：葡萄酒电商平台 协同过滤 项目属性评分 加权相似度
【学位授予单位】：江西师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3;TP393.092
【目录】：

• 摘要3-4
• Abstract4-8
• 1 引言8-12
• 1.1 研究背景及意义8-9
• 1.2 国内外研究现状9-10
• 1.3 本文主要工作10
• 1.4 论文组织结构10-12
• 2 理论基础及软件技术12-17
• 2.1 理论基础12-15
• 2.2 软件技术15-16
• 2.3 本章小结16-17
• 3 协同过滤推荐算法17-24
• 3.1 协同过滤算法工作原理和流程17-18
• 3.2 基于内存的协同过滤推荐算法18-22
• 3.2.1 基于用户的协同过滤算法19-20
• 3.2.2 基于项目的协同过滤算法20-21
• 3.2.3 基于用户和基于项目的协同过滤算法比较21-22
• 3.3 协同过滤推荐算法所面临的问题22-23
• 3.4 本章小结23-24
• 4 融合项目属性的协同过滤推荐算法24-36
• 4.1 算法基本思想24-25
• 4.1.1 算法基本假设24
• 4.1.2 算法基本流程24-25
• 4.2 融合项目属性的协同过滤推荐模型25-30
• 4.2.1 用户-项目属性值评分矩阵25-28
• 4.2.2 基于用户-项目属性评分偏好预测28
• 4.2.3 加权预测评分28-30
• 4.3 数据集30-31
• 4.4 实验设计31-32
• 4.5 实验结果与分析32-35
• 4.5.1 数据集分析32-33
• 4.5.2 三种用户相似度计算模型的比较33-34
• 4.5.3 融合项目属性的协同过滤与其他方法比较34-35
• 4.5.4 实验结果总结35
• 4.6 本章小结35-36
• 5 系统设计与实现36-48
• 5.1 系统总体设计36-40
• 5.1.1 网站架构设计36-38
• 5.1.2 系统核心模块38-40
• 5.1.3 数据库设计40
• 5.2 支付系统40-44
• 5.2.1 支付系统通讯流程40-41
• 5.2.2 一卡通“刮刮卡”支付41-43
• 5.2.3 公共代缴费43-44
• 5.3 通用模块设计及数据加密44-46
• 5.3.1 通用模块设计44-46
• 5.3.2 数据加密46
• 5.4 系统购物流程及界面46-47
• 5.5 本章小结47-48
• 6 总结和展望48-50
• 6.1 总结48
• 6.2 展望48-50
• 参考文献50-53
• 致谢53-54
• 在读期间公开发表论文（著）及科研情况54

【相似文献】

中国期刊全文数据库 前10条

1 杨风召;;一种基于特征表的协同过滤算法[J];计算机工程与应用;2007年06期

2 王岚;翟正军;;基于时间加权的协同过滤算法[J];计算机应用;2007年09期

3 曾子明;张李义;;基于多属性决策和协同过滤的智能导购系统[J];武汉大学学报(工学版);2008年02期

4 张富国;;用户多兴趣下基于信任的协同过滤算法研究[J];小型微型计算机系统;2008年08期

5 侯翠琴;焦李成;张文革;;一种压缩稀疏用户评分矩阵的协同过滤算法[J];西安电子科技大学学报;2009年04期

6 廖新考;;基于用户特征和项目属性的混合协同过滤推荐[J];福建电脑;2010年07期

7 沈磊;周一民;李舟军;;基于心理学模型的协同过滤推荐方法[J];计算机工程;2010年20期

8 徐红;彭黎;郭艾寅;徐云剑;;基于用户多兴趣的协同过滤策略改进研究[J];计算机技术与发展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合协同过滤算法[J];微计算机信息;2011年11期

10 郑婕;鲍海琴;;基于协同过滤推荐技术的个性化网络教学平台研究[J];科技风;2012年06期

中国重要会议论文全文数据库 前10条

1 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

2 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

3 董全德;;基于双信息源的协同过滤算法研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

4 张光卫;康建初;李鹤松;刘常昱;李德毅;;面向场景的协同过滤推荐算法[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

5 李建国;姚良超;汤庸;郭欢;;基于认知度的协同过滤推荐算法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

6 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

7 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

8 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

9 罗喜军;王韬丞;杜小勇;刘红岩;何军;;基于类别的推荐——一种解决协同推荐中冷启动问题的方法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

10 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年

中国博士学位论文全文数据库 前10条

1 纪科;融合上下文信息的混合协同过滤推荐算法研究[D];北京交通大学;2016年

2 程殿虎;基于协同过滤的社会网络推荐系统关键技术研究[D];中国海洋大学;2015年

3 于程远;基于QoS的Web服务推荐技术研究[D];上海交通大学;2015年

4 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年

5 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年

6 罗恒;基于协同过滤视角的受限玻尔兹曼机研究[D];上海交通大学;2011年

7 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年

8 高e，

本文编号：296369