基于关联规则的电子商务个性化推荐模型研究

发布时间：2017-03-23 08:10

  本文关键词：基于关联规则的电子商务个性化推荐模型研究，，由笔耕文化传播整理发布。

【摘要】：随着互联网的不断普及和电子商务网站的快速发展,商品信息过载的问题变得愈发严峻。怎样使网站浏览者在面对大量的商品信息时快速有效地查找到其所需的商品,成为当前电子商务网站发展迫切需要解决的问题。电子商务推荐系统的出现为这些问题的解决提供了方法,但是目前已存在的一些电子商务推荐系统在实际运用中还存在着问题,推荐效率较低,有些还不能满足用户的个性化需求,因此,对于电子商务推荐系统和推荐技术的研究具有比较大的实用价值。 推荐技术是电子商务推荐系统的研究重点,因为推荐技术的选取是否得当直接关系到推荐质量的优劣。当前国内外对于电子商务推荐技术的相关研究中,关联规则推荐技术是较为热门的,但在实际应用中,关联规则推荐技术也存在着一些问题,例如：发现关联规则难,在数据稀疏的情况下较难找到具体商品之间的强关联规则,算法在执行的过程中会产生大量的候选项集等,这些问题急需找到解决方法。 本文针对关联规则推荐技术存在的上述问题,提出了一种关联规则推荐算法,即通过采用概念层次树与FP增长算法相结合的方法来进行关联规则挖掘,这种算法既可以解决数据稀疏以及商品具体概念繁多等问题,又在计算的过程中不会产生大量候选项目集,能够有效地克服Apriori算法的问题,在挖掘时间上有较大优势。作者使用NET平台C#语言实现了该算法,然后通过数据实验将该算法与Apriori算法以及单纯的FP增长算法进行了挖掘效率的对比,数据实验结果表明：结合概念层次树的FP增长算法相对于Apriori算法和单纯的FP增长算法来说同样具有正确性,并且挖掘效率更高,同时还可以发现出不同层次商品间隐含的有价值的关系,能够为个性化推荐模型提供更加丰富、更具普遍意义的知识,并且可以满足更多用户的需求。 最后,本文以某一服装购物网站作为电子商务个性化推荐模型的应用背景,设计了基于结合概念层次树的FP增长算法的电子商务个性化推荐模型。个性化推荐模型设计的主要内容包括推荐模型的体系结构设计、推荐模型主要功能分析、推荐模型工作流程分析、推荐模型各个功能子模块的分析以及后台数据库设计等。该模型通过分析用户的历史购买记录来挖掘用户的兴趣偏好,然后在不断的更新学习中为用户提供准确的、实时的个性化推荐。
【关键词】：个性化推荐 关联规则 概念层次树 FP增长算法
【学位授予单位】：东北财经大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP311.13;F713.36
【目录】：

• 摘要2-4
• ABSTRACT4-8
• 1 绪论8-15
• 1.1 研究背景8
• 1.2 研究意义8-9
• 1.3 国内外研究现状9-11
• 1.3.1 国外研究现状9-10
• 1.3.2 国内研究现状10-11
• 1.4 研究内容及面临的问题11-13
• 1.4.1 研究内容11
• 1.4.2 面临的问题11-13
• 1.5 本文工作与组织结构13-14
• 1.5.1 本文工作13
• 1.5.2 组织结构13-14
• 1.6 本章小结14-15
• 2 相关理论介绍15-29
• 2.1 电子商务推荐系统概述15-17
• 2.1.1 电子商务推荐系统的概念15
• 2.1.2 电子商务推荐系统的推荐技术15-17
• 2.2 关联规则技术概述17-27
• 2.2.1 基本概念17-18
• 2.2.2 关联规则分类18-19
• 2.2.3 典型算法19-25
• 2.2.4 多层关联规则挖掘及相关概念25-27
• 2.3 基于关联规则的个性化推荐系统研究概述27-28
• 2.4 本章小结28-29
• 3 基于概念层次的关联规则挖掘29-48
• 3.1 关联规则推荐技术存在的问题29-30
• 3.2 本文的解决思路30-47
• 3.2.1 概念层次理论的引入30-31
• 3.2.2 挖掘算法的选择31
• 3.2.3 挖掘关联规则31-47
• 3.3 本章小结47-48
• 4 个性化推荐模型设计48-60
• 4.1 应用背景48-50
• 4.1.1 推荐模型依附的购物网站说明48-49
• 4.1.2 推荐模型的嵌入49-50
• 4.2 个性化推荐模型设计50-59
• 4.2.1 推荐模型体系结构分析50-51
• 4.2.2 推荐模型功能分析51-52
• 4.2.3 推荐模型流程分析52-53
• 4.2.4 推荐模型各模块分析53-56
• 4.2.5 后台数据库设计56-59
• 4.3 本章小结59-60
• 5 总结与展望60-62
• 5.1 本文总结60-61
• 5.2 下一步工作61-62
• 参考文献62-66
• 后记66-67

【参考文献】

中国期刊全文数据库 前10条

1 陈子阳,郭景峰;多层次关联规则的快速挖掘算法[J];燕山大学学报;2003年04期

2 景丽;陈广宇;;电子商务推荐系统中推荐方法研究[J];光盘技术;2006年03期

3 沈红斌,王士同,吴小俊;一种基于概念层次数据库挖掘一般化关联规则的算法研究[J];华东船舶工业学院学报(自然科学版);2002年06期

4 路海明;卢增祥;李衍达;;基于多Agent混合智能实现个性化网络信息推荐[J];计算机科学;2000年07期

5 任家东,任东英,高伟;分布式多层关联规则挖掘[J];计算机工程;2003年05期

6 杨引霞,谢康林,朱扬勇,左子叶;电子商务网站推荐系统中关联规则推荐模型的实现[J];计算机工程;2004年19期

7 张晓敏;王茜;;基于概念层次树的个性化推荐算法[J];计算机工程;2007年24期

8 胡慧蓉,王周敬;一种基于关系矩阵的关联规则快速挖掘算法[J];计算机应用;2005年07期

9 谢芳;王波;;基于关联规则个性化推荐的改进算法[J];计算机应用;2006年S2期

10 刘胜军,杨学兵,蔡庆生;关系数据库中概念层次自动提取算法研究[J];计算机应用研究;1999年12期

中国硕士学位论文全文数据库 前10条

1 李媛;电子商务个性化推荐关键技术研究[D];哈尔滨工程大学;2010年

2 林佳雄;关联规则挖掘在电子商务推荐系统中的应用研究[D];暨南大学;2011年

3 崔亚洲;一种B2C模式下多模型推荐系统的研究[D];电子科技大学;2006年

4 郗东妹;关联规则的衡量标准及其算法研究[D];长沙理工大学;2006年

5 周洋;个性化推荐系统推荐引擎原型系统研究[D];对外经济贸易大学;2007年

6 曹毅;基于内容和协同过滤的混合模式推荐技术研究[D];中南大学;2007年

7 张德宇;基于Apriori的电子商务网站适时推荐系统的研究与实现[D];苏州大学;2008年

8 李朋轩;基于Web挖掘的电子商务推荐技术的研究[D];哈尔滨工程大学;2009年

9 蒋

本文编号：263275