面向旅游电子商务的数据挖掘研究

发布时间：2017-03-30 10:14

  本文关键词：面向旅游电子商务的数据挖掘研究，由笔耕文化传播整理发布。

【摘要】：随着经济的蓬勃发展，人们的生活水平不断提高，旅游业也得到了前所未有的发展，旅游电子商务应运而生。旅游商家之间的竞争日益激烈，如何整合资源，为旅游者提供满意的服务，从而形成稳定的客源成为商家竞争的热点。如今旅游商家面临的一个共同的问题就是旅游电子商务系统收集了大量的数据，却没有得到真正有价值的信息。把数据挖掘技术应用到旅游电子商务，，通过对相关数据的挖掘，进而为旅游者提供个性化的服务成为旅游服务商家提升自身竞争力的有效方式。 本文首先介绍了旅游电子商务相关概念、存在的问题及发展方向。并分析了在旅游电子商务推荐系统中所使用的相关技术。详细的介绍了个性化推荐系统中常用的几种推荐算法。 本文主要研究了旅游电子商务个性化推荐系统及数据挖掘在推荐中的应用。本文在研究个性化推荐技术的基础上，构建了一个旅游电子商务个性化推荐方法，即先聚类后关联规则挖掘的方法。利用用户的浏览行为数据建立用户-产品兴趣度矩阵，然后利用聚类方法对用户进行聚类分析，在同一类用户的事务数据库中进行关联规则挖掘，然后在线对关联规则进行过滤，将结果推荐给用户。 针对旅游电子商务数据异构问题，用户对产品的评分值不容易得到、用户-产品评价信息不足的情况下，提出了运用用户-产品兴趣度矩阵来代替用户-产品评价矩阵的方法，同时提出了用户-兴趣度矩阵模型的创建方法，从而解决了用户-产品评价信息不足情况下的推荐问题。 改进了关联规则挖掘算法。针对传统关联规则挖掘算法挖掘效率低的情况，提出了一种新的挖掘关联规则频繁项目集的方法，该方法基于分解事务矩阵，减少了项集比较次数，避免了重复扫描数据库的缺点，通过实验证明，改进算法能有效提高频繁项挖掘效率。
【关键词】：旅游电子商务 数据挖掘 推荐系统 关联规则
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP311.13
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 研究背景10-11
• 1.2 研究目的与意义11-12
• 1.3 国内外研究现状12-14
• 1.4 研究内容14
• 1.5 论文结构14-16
• 第二章 相关技术及理论介绍16-32
• 2.1 旅游电子商务16-20
• 2.1.1 旅游电子商务定义及其特点16-17
• 2.1.2 旅游电子商务的分类17-18
• 2.1.3 旅游电子商务的 SWOT 分析18-20
• 2.2 数据挖掘20-23
• 2.2.1 数据挖掘的定义20
• 2.2.2 数据挖掘的功能20-21
• 2.2.3 数据挖掘的过程21-22
• 2.2.4 数据挖掘在旅游电子商务中的应用22-23
• 2.3 电子商务个性化推荐系统概述23-26
• 2.3.1 个性化推荐系统概念24
• 2.3.2 个性化推荐系统作用24-25
• 2.3.3 个性化推荐系统的研究内容25-26
• 2.4 个性化推荐技术分类及优缺点26-29
• 2.4.1 基于内容过滤的推荐26-27
• 2.4.2 基于关联规则的推荐27-28
• 2.4.3 基于协同过滤的推荐28-29
• 2.4.4 混合推荐的技术29
• 2.5 协同过滤推荐技术29-31
• 2.5.1 相关概念29-30
• 2.5.2 基于用户的协同过滤推荐算法30-31
• 2.5.3 基于项目的协同过滤推荐算法31
• 2.6 本章小结31-32
• 第三章 基于用户兴趣度矩阵进行聚类32-40
• 3.1 旅游电子商务个性化推荐主要研究内容32-33
• 3.1.1 旅游电子商务个性化推荐面临的问题32
• 3.1.2 旅游电子商务个性化推荐流程32-33
• 3.2 目前的用户聚类算法33-36
• 3.2.1 聚类分析定义33-34
• 3.2.2 主要聚类算法34-36
• 3.2.3 目前用户聚类用到的数据结构36
• 3.3 利用用户兴趣度来建立数据矩阵36-39
• 3.3.1 收集用户兴趣的方式37
• 3.3.2 建立用户-产品的兴趣度矩阵37-39
• 3.4 本章小结39-40
• 第四章 关联规则挖掘及其改进40-48
• 4.1 基本概念与解决方法40-41
• 4.2 经典关联规则挖掘算法41-42
• 4.2.1 Apriori 算法41
• 4.2.2 FP-growth 算法41-42
• 4.3 改进的关联规则挖掘算法42-46
• 4.3.1 分解事务矩阵构造方法43-44
• 4.3.2 频繁 2 项目集的生成方法44
• 4.3.3 由频繁 k -1 项目集生成频繁 k 项目集的方法44-46
• 4.4 实验分析46-47
• 4.5 本章小结47-48
• 第五章 旅游电子商务个性化推荐系统设计48-51
• 5.1 数据收集模块48-49
• 5.2 推荐模块49-50
• 5.2.1 离线推荐模块49-50
• 5.2.2 在线推荐模块50
• 5.3 输出模块50
• 5.4 本章小结50-51
• 第六章 总结与展望51-53
• 参考文献53-58
• 致谢58-59
• 详细摘要59-61

【参考文献】

中国期刊全文数据库 前10条

1 王丽雯;理解客户关系管理——谈客户关系管理的战略意义[J];商业研究;2003年05期

2 刘芳;林拉;;旅游电子商务系统中个性化信息服务功能的设计研究[J];电脑知识与技术;2009年22期

3 罗建华;陈建科;;基于旅游电子商务中数据挖掘应用的研究[J];电子商务;2011年08期

4 刘其飞;胡宏涛;;数据挖掘在电子商务中的应用研究[J];计算机光盘软件与应用;2012年03期

5 常睿;;Apriori算法的一种改进方法[J];计算机光盘软件与应用;2012年19期

6 周德仿;论中国旅游电子商务的发展[J];湖北师范学院学报(哲学社会科学版);2004年02期

7 谭琼;李晓黎;史忠植;;一种实现搜索引擎个性化服务的方法[J];计算机科学;2002年01期

8 曾波;;一种基于单事务项集组合的频繁项集挖掘算法[J];计算机科学;2008年01期

9 陈志敏;李志强;;基于用户特征和项目属性的协同过滤推荐算法[J];计算机应用;2011年07期

10 吴颜;沈洁;顾天竺;陈晓红;李慧;张舒;;协同过滤推荐系统中数据稀疏问题的解决[J];计算机应用研究;2007年06期

中国博士学位论文全文数据库 前1条

1 郁雪;基于协同过滤技术的推荐方法研究[D];天津大学;2009年

  本文关键词：面向旅游电子商务的数据挖掘研究，由笔耕文化传播整理发布。

本文编号：276863