基于Web挖掘的电子商务个性化推荐技术研究

发布时间：2017-04-25 10:00

  本文关键词：基于Web挖掘的电子商务个性化推荐技术研究，，由笔耕文化传播整理发布。

【摘要】： 随着Internet的日益普及和电子商务的蓬勃发展,基于互联网的商业Web站点面临越来越激烈的竞争,商务网站从“以站点为中心”向“以用户为中心”发展成为必然。如何对大量复杂的电子商务信息进行有效的组织利用,从中抽取感兴趣的模式,更好地理解客户的行为,从而改进站点的结构或为客户提供个性化的服务成为电子商务发展必须要解决的问题。 Web作为一个巨大的广泛分布的全球信息服务中心,包含了大量动态的超链接信息和访问及使用信息,为电子商务的个性化推荐服务提供了丰富的资源。对Web上包含的有用信息的提取则需要以数据挖掘为基础,因此,将Web挖掘融入个性化推荐之中,是解决上述问题的有效途径。 本文对基于Web挖掘的个性化推荐进行了较为全面的研究,开展的工作及创新主要体现在以下三个方面: (1)提出了交叉式Web挖掘的个性化推荐新方法。即在基于Web使用挖掘的个性化推荐中引入Web内容挖掘和Web结构挖掘,并依据改进的稀疏矩阵定义,针对Web站点的不同情况选取不同的推荐方法:正常状态下延用基于Web使用挖掘的个性化推荐;而当用户-项目评价矩阵出现冷开始和稀疏性等问题时,就可以根据页面内容之间的相似性和页面链接之间的相似性来为用户提供个性化推荐。另外,采用一致化的表示形式将Web内容和Web结构挖掘的挖掘结果提供给推荐引擎。 (2)提出了基于二分法的改进PAM(IPAM)方法,并将其运用于Web结构和Web内容数据的个性化推荐,IPAM算法有效地解决了传统PAM算法迭代次数多、时间复杂度高的问题;另外,本文在IPAM算法中引入Web结构和Web内容在页面上的权重,从实际出发,使得聚类更具实用性。 (3)设计并实现了一个简单的离线状态下的基于Web挖掘的个性化推荐系统。 实验证明,IPAM算法较之PAM算法更加有效,解决了其时间复杂度高的问题;基于交叉式Web挖掘的个性化推荐方法可以有效的弥补传统个性化推荐的不足,显著地提高了推荐的精确性。
【关键词】：电子商务 个性化推荐 IPAM 交叉式Web挖掘
【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F713.36;TP311.13
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-13
• 1.1 引言10
• 1.2 国内外研究现状10-11
• 1.3 本文研究意义11-12
• 1.4 本文的研究内容与目的12
• 1.5 本文的结构安排12-13
• 第二章 数据挖掘研究综述13-25
• 2.1 数据挖掘简介13-17
• 2.1.1 数据挖掘的产生与发展13-14
• 2.1.2 数据挖掘定义14
• 2.1.3 数据挖掘功能14-15
• 2.1.4 数据挖掘过程15-16
• 2.1.5 数据挖掘与CRM16-17
• 2.2 Web 数据挖掘17-20
• 2.2.1 Web 挖掘的含义18
• 2.2.2 Web 挖掘的分类18-20
• 2.3 Web 数据挖掘技术与电子商务20-24
• 2.3.1 面向电子商务的Web 数据挖掘的特点20
• 2.3.2 Web 数据挖掘在电子商务中的应用20-21
• 2.3.3 电子商务中应用的Web 挖掘技术21-22
• 2.3.4 Web 挖掘的数据来源分类22-24
• 2.4 小结24-25
• 第三章 基于Web 挖掘的电子商务推荐系统概述25-40
• 3.1 Web 访问信息挖掘对象的新特点25
• 3.2 Web 访问信息挖掘的意义25-26
• 3.2.1 群体访问者26
• 3.2.2 单个访问者26
• 3.3 基于Web 挖掘的电子商务推荐系统实现步骤26-31
• 3.3.1 数据预处理阶段27-29
• 3.3.2 基于Web 挖掘的推荐系统设计29-31
• 3.4 基于电子商务的协作过滤算法31-38
• 3.4.1 协作过滤算法的步骤31-32
• 3.4.2 电子商务推荐系统算法及其特点32-38
• 3.5 传统协同过滤推荐算法存在的不足38-39
• 3.6 小结39-40
• 第四章 基于Web 挖掘的个性化推荐系统框架40-55
• 4.1 系统简述40-43
• 4.1.1 个性化推荐系统目前面临的问题40
• 4.1.2 基于Web 挖掘的推荐系统体系结构40-41
• 4.1.3 交叉式Web 挖掘的个性化推荐的提出41-43
• 4.2 数据预处理部分43-45
• 4.3 Web 挖掘部分45-46
• 4.3.1 Web 使用挖掘模块45
• 4.3.2 Web 结构挖掘模块45-46
• 4.3.3 Web 内容挖掘模块46
• 4.4 产生推荐46-48
• 4.4.1 Web 使用特征推荐46-47
• 4.4.2 Web 结构特征推荐与Web 内容特征推荐47-48
• 4.5 改进的IPAM 算法在Web 挖掘中的应用48-54
• 4.5.1 传统的PAM 算法简述48-50
• 4.5.2 传统PAM 算法的优缺点50
• 4.5.3 IPAM 算法的提出50-52
• 4.5.4 IPAM 算法与PAM 算法的实验效果比较52-54
• 4.6 小结54-55
• 第五章 系统实现与实验结果分析55-61
• 5.1 实验数据与环境55-58
• 5.2 评估标准58-59
• 5.3 实验结果及分析59-60
• 5.3.1 相似度性能比较59
• 5.3.2 推荐精度比较59-60
• 5.4 小结60-61
• 第六章 总结与展望61-62
• 6.1 本文工作61
• 6.2 研究展望61-62
• 参考文献62-65
• 致谢65-66
• 个人简历、在学期间发表的学术论文与研究成果66

【参考文献】

中国期刊全文数据库 前10条

1 姚建;马世军;乔文;;Web日志挖掘数据预处理的研究[J];硅谷;2009年13期

2 王继成,潘金贵,张福炎;Web文本挖掘技术研究[J];计算机研究与发展;2000年05期

3 赵亮,胡乃静,张守志;个性化推荐算法设计[J];计算机研究与发展;2002年08期

4 李煊,汪晓岩,庄镇泉;基于关联规则挖掘的个性化智能推荐服务[J];计算机工程与应用;2002年11期

5 王海英,田志学;Web使用挖掘在客户关系管理中的应用[J];计算机工程与应用;2004年23期

6 程岩,肖小云,吴洁倩;基于聚类分析的电子商务推荐系统[J];计算机工程与应用;2005年24期

7 何波;王越;;基于数据挖掘的Web个性化信息推荐系统[J];计算机工程与应用;2006年03期

8 刘平峰;聂规划;陈冬林;;电子商务推荐系统中推荐策略的自适应性[J];计算机工程与应用;2007年04期

9 唐志航;杨保安;;系统聚类在客户关系管理中的研究与应用[J];计算机工程与应用;2007年13期

10 许敏;邱玉辉;;电子商务中推荐系统存在的问题及其对策研究[J];计算机科学;2001年04期

中国博士学位论文全文数据库 前1条

1 王实;基于Web访问信息挖掘的推荐方法研究[D];中国科学院研究生院（计算技术研究所）;2001年

  本文关键词：基于Web挖掘的电子商务个性化推荐技术研究，由笔耕文化传播整理发布。

本文编号：326075