基于CF的个性化电子商务推荐系统研究

发布时间：2017-10-21 19:05

  本文关键词：基于CF的个性化电子商务推荐系统研究

  更多相关文章： 数据仓库 数据挖掘 电子商务推荐系统 协同过滤 面向客户

【摘要】： 随着互联网技术的发展,网络用户剧增。电子商务也越来越受到企业和消费者的青睐。电子商务推荐技术作为电子商务中的重要技术,模仿销售员向客户推荐客户偏好度较高的产品。如何提高电子商务推荐系统的推荐质量,目前已成为专家学者们研究的热点。 本文将数据仓库技术应用到电子商务体系构建中,介绍了web环境下进行会话识别、客户识别、路径辨别、数据清理、数据集成、数据装载等技术,为电子商务数据挖掘提供规范的数据。同时本文在关联规则、协同过滤等技术的基础上设计了个性化的推荐系统。根据客户特点,将客户进行分类,并根据客户不同的分类,采取不同的模式挖掘算法。提出基于内容的跟踪树算法、基于关联规则的协同过滤,并引入分区的理念,为客户提供个性化的服务,从而提高电子商务推荐系统的推荐质量。最后,对算法进行了分析。
【关键词】：数据仓库 数据挖掘 电子商务推荐系统 协同过滤 面向客户
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：TP311.52
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-13
• 1.1 选题的背景和意义8-11
• 1.1.1 电子商务的发展现状8-9
• 1.1.2 数据仓库在电子商务应用的必要性9-10
• 1.1.3 数据挖掘在电子商务应用的必要性10-11
• 1.2 电子商务推荐系统研究现状11
• 1.3 创新点及组织结构11-13
• 1.3.1 主要创新点11-12
• 1.3.2 论文组织结构12-13
• 第二章 数据仓库技术13-22
• 2.1 基于电子商务的数据仓库系统模型13
• 2.2 电子商务数据挖掘的数据源13-21
• 2.2.1 数据来源13-15
• 2.2.2 数据源分类15
• 2.2.3 原始数据处理15-18
• 2.2.4 数据集成、数据装载与多维数据模型构建18-21
• 2.2.5 数据仓库的管理与维护21
• 2.3 本章小结21-22
• 第三章 数据挖掘技术22-37
• 3.1 数据挖掘概述22-23
• 3.2 数据挖掘在电子商务中的应用23-24
• 3.3 电子商务推荐系统概述24-26
• 3.3.1 电子商务推荐系统的定义24-25
• 3.3.2 电子商务推荐系统的数据源25
• 3.3.3 电子商务推荐系统的推荐表现形式25-26
• 3.4 电子商务推荐技术26-36
• 3.4.1 信息检索26-27
• 3.4.2 关联规则27-29
• 3.4.3 协同过滤29-36
• 3.5 本章小结36-37
• 第四章 基于CF的个性化的电子商务推荐系统37-50
• 4.1 个性化的电子商务推荐系统的提出37
• 4.2 个性化的电子商务推荐系统的系统结构37-39
• 4.3 电子商务推荐系统个性化设计39-46
• 4.3.1 面向客户的模式挖掘40-45
• 4.3.2 面向客户的协同过滤45-46
• 4.4 实验设计与结果分析46-49
• 4.4.1 电子商务推荐系统评价标准46-47
• 4.4.2 电子商务推荐系统评价实验设计47
• 4.4.3 实验数据集选取47
• 4.4.4 实验运行环境47
• 4.4.5 实验结果及分析47-49
• 4.5 本章小结49-50
• 第五章:总结与展望50-52
• 5.1 工作总结50
• 5.2 工作展望50-52
• 参考文献52-56
• 在读期间研究成果56-57
• 致谢57

【引证文献】

中国期刊全文数据库 前1条

1 闫晓婷;乔俊玲;;数据挖掘在网络销售系统中的应用[J];科技信息;2011年16期

中国硕士学位论文全文数据库 前3条

1 肖丹萍;基于用户特征和偏好的协同过滤推荐算法[D];暨南大学;2011年

2 陈红;机场VIP客户服务分析系统的设计与实现[D];河北科技大学;2012年

3 郑立山;基于B2C电子商务数据仓库的研究与设计[D];广东工业大学;2012年

，

本文编号：1074816