基于多模型的移动电子商务推荐系统设计与实现

发布时间：2017-10-15 11:23

  本文关键词：基于多模型的移动电子商务推荐系统设计与实现

  更多相关文章： 数据挖掘 电子商务 推荐系统 关联分析 交叉销售

【摘要】：随着Internet的普及和应用，电子商务因为其成本低廉、便捷、快速、不受时间和空间的限制等优点已在全球流行。电子商务在为用户提供更多选择的同时，其结构也日益更加复杂。一方面，用户面对大量的商品信息，很难快速找到自己真正需要的商品；另一方面，商家也无法与消费者面对面的交流。个性化的电子商务推荐系统能根据用户行为特征为用户提供一对一的服务，快速帮助用户找到所需的商品，从而顺利完成购物过程。商家通过推荐系统能提高电子商务系统销售能力，保持与客户的联系，提高用户忠诚度和满意度。 本文通过对当前B2C网站的电子商务个性化推荐系统分析，提出一种B2C模式下的多模型推荐系统（MMRS）的设计及实现，该系统通过对用户购物历史记录、Wap元数据以及用户注册信息处理，运用关联、聚类的方法，最后给出商品的推荐结果。这种对不同用户的多模型的推荐方案，即使新老用户由于信息的不同，都能够产生有效的推荐，，并能够对新产品产生推荐。文中在推荐算法上做了一定改良，最后利用同组同学的Wap电子商务网站测试数据，对MMRS系统进行验证，发现改良后的算法能收到比较好的效果。
【关键词】：数据挖掘 电子商务 推荐系统 关联分析 交叉销售
【学位授予单位】：苏州大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP311.13
【目录】：

• 中文摘要4-5
• Abstract5-8
• 第一章 绪论8-15
• 1.1 研究背景与研究意义9-14
• 1.1.1 电子商务推荐系统概述9-10
• 1.1.2 电子商务推荐系统的技术标准10
• 1.1.3 推荐技术分类10-11
• 1.1.4 推荐结果的应用11
• 1.1.5 主要的推荐算法11-12
• 1.1.6 商务推荐系统的研究热点与难点12-14
• 1.2 本文研究内容14-15
• 第二章 相关理论基础15-26
• 2.1 数据挖掘技术15-19
• 2.1.1 关联规则挖掘15-17
• 2.1.2 聚类算法挖掘17-19
• 2.2 XML 介绍19-23
• 2.3 开发环境23-26
• 2.3.1 Eclipse 3.2 + MyEclipse 5.523-24
• 2.3.2 JAVA24-25
• 2.3.3 SQL Server 200525-26
• 第三章 多模型推荐框架与关键推荐算法26-41
• 3.1 多模型推荐系统设计26-28
• 3.1.1 网站的数据流程分析26
• 3.1.2 多模型推荐系统设计框架26-28
• 3.2 推荐算法的研究与改进28-30
• 3.2.1 Apriori 算法的研究与改进28-29
• 3.2.2 Clique 算法的研究与改进29-30
• 3.3 推荐算法实现30-38
• 3.3.1 Apriori 算法实现30-35
• 3.3.2 Clique 算法实现35-38
• 3.4 实验结果与分析38-41
• 3.4.1 关联实验结果与分析38-39
• 3.4.2 聚类实验结果与分析39-41
• 第四章 系统设计与实现41-46
• 4.1 系统需求分析41-42
• 4.2 推荐系统设计42
• 4.3 推荐系统工作流程42-43
• 4.4 系统与网站的整合43-44
• 4.5 系统实现44-46
• 第五章 总结与展望46-48
• 5.1 总结46
• 5.2 展望46-48
• 参考文献48-49
• 攻读硕士期间发表的论文49-50
• 致谢50-51

【参考文献】

中国期刊全文数据库 前4条

1 付淇;李正凡;;基于CLIQUE的聚类算法研究[J];华东交通大学学报;2006年05期

2 刘勘,周晓峥,周洞汝;一种基于排序子空间的高维聚类算法及其可视化研究[J];计算机研究与发展;2003年10期

3 黄光球,靳峰,彭绪友;基于兴趣度的协同过滤商品推荐系统模型[J];微电子学与计算机;2005年03期

4 刘旭东;;个性化网页推荐系统在电子商务中的设计与应用[J];烟台职业学院学报;2008年04期

本文编号：1036836