基于数据挖掘技术的电子商务推荐系统的研究

发布时间：2017-04-27 07:10

  本文关键词：基于数据挖掘技术的电子商务推荐系统的研究，，由笔耕文化传播整理发布。

【摘要】：随着计算机和互联网的普及,越来越多的人、越来越多的地方使用电脑来处理事务。因此在科研机构、企业或者是政府部门都积累了大量的数据资料。人们所面对的以不同形式存储的数据数量急剧增长。二十世纪90年代末开始,数据挖掘技术逐步兴起,越发成熟,改变了人们对数据的运用方式。在以前,人们对数据都进行比较简单的操作,例如存储、查询。而运用数据挖掘技术后,人们就可以从多种类型的数据中提取彼此隐藏的关系,构成尚未被发现的有价值的知识或者模型。企业作出决策时会将这种新发现的知识模式作为参考依据。于此同时,电子商务不断侵吞传统销售模式下的市场份额,已经成为越来越重要的商品销售模式。电子商务以其多样的商品、方便的交易方式,得到了越来越多人的亲睐。网上购物成为年轻人生活里不可或缺的一部分。事物都有两面性。随着电子商务的发展,一些问题也凸显出来。商品的种类越来越多,电子商务站点的网站结构也越发复杂,这使得顾客在寻找自己想要的商品时不再那么直接和顺利,可能会迷失在商品海洋中。在这种背景下,推荐系统适时而出,在一定程度上解决了电子商务站点的发展瓶颈。一个好的电子商务推荐系统,就相当于传统销售模式下的售货员,能够引导顾客顺利购买到自己想要的东西。对企业而言,它能够帮助自己提高销售业绩、增加竞争力,有效保留住顾客。 本文主要做了以下工作。对推荐系统中常用的数据挖掘技术进行了对比分析,以现有的数据挖掘算法研究成果为基础,针对传统经典K均值聚类算法的固有缺陷,结合遗传算法全局最优收敛并且对最初值不敏感的特性,提出了基于遗传算法映射的K均值算法。详细叙述了算法的核心思想、算法流程,并对算法进行实验测试和性能分析。同时在分析个性化推荐系统的基本模型架构的基础上,结合当前应用中对推荐模型的新需求,提出了个性化推荐系统的多推荐模型,给出了其基本框架。并且对多推荐模型下的电子商务系统流程进行了分析,给出了多推荐模型的实现方式。
【关键词】：数据挖掘 推荐系统 改进的K均值算法
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP311.13;TP391.3
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 绪论10-13
• 1.1 课题研究背景10-11
• 1.2 论文研究内容及结构11-13
• 第二章 电子商务推荐系统相关技术综述13-28
• 2.1 数据挖掘概述13-21
• 2.1.1 数据挖掘概念13-14
• 2.1.2 数据挖掘的过程14-19
• 2.1.3 推荐系统中数据挖掘的主要技术19-21
• 2.2 协同过滤技术21-26
• 2.2.1 协同过滤技术的实现22
• 2.2.2 基于用户的协同过滤技术22-25
• 2.2.3 基于项目的协同过滤技术25-26
• 2.2.4 两种协同过滤技术的特点分析26
• 2.3 本章小结26-28
• 第三章 基于遗传算法映射下的K均值算法研究28-40
• 3.1 引言28
• 3.2 传统的K均值聚类算法28-30
• 3.3 基于遗传算法映射下的K均值算法30-35
• 3.3.1 相关的映射工作31-32
• 3.3.2 操作基本定义32-33
• 3.3.3 选择改进操作33-34
• 3.3.4 改进变异操作34-35
• 3.4 实验验证及结果分析35-38
• 3.5 本章小结38-40
• 第四章 电子商务推荐系统的模型研究40-52
• 4.1 引言40-41
• 4.2 推荐模型概述41-43
• 4.2.1 推荐系统在电子商务中的作用41-42
• 4.2.2 推荐模型的主要分类42-43
• 4.3 推荐系统的基本模型架构43-46
• 4.3.1 基本模型架构分析43-45
• 4.3.2 推荐引擎的模型分析45-46
• 4.4 电子商务推荐系统中的多推荐模型46-51
• 4.4.1 多推荐模型的基本框架47-48
• 4.4.2 多推荐模型下的电子商务系统流程48-49
• 4.4.3 多推荐模型的实现49-51
• 4.5 本章小结51-52
• 第五章 总结与展望52-54
• 5.1 论文工作总结52
• 5.2 进一步研究方向52-54
• 参考文献54-56
• 致谢56-57
• 攻读学位期间发表的学术论文目录57

【相似文献】

中国期刊全文数据库 前10条

1 邓秀勤,姜莲花;电子商务推荐系统研究[J];辽东学院学报;2005年04期

2 金伟健;金文进;;一个基于关联规则的商品推荐系统模型[J];信息与电脑(理论版);2010年02期

3 丁雪;;基于数据挖掘的图书智能推荐系统研究[J];情报理论与实践;2010年05期

4 顾桢;;浅析电子商务中的WEB数据的挖掘[J];商场现代化;2008年16期

5 宋举;;数据挖掘技术在电子商务领域中的应用[J];现代商业;2010年15期

6 曹虎山;;新形势下Web数据挖掘技术在电子商务中的应用探析[J];软件工程师;2010年11期

7 赵麟;;基于最大频繁模式挖掘算法进行书目推荐系统的设计与实现[J];现代图书情报技术;2010年05期

8 齐扬;朱欣娟;;基于数据挖掘的服装推荐系统研究[J];西安工程大学学报;2010年04期

9 刘秀峰 ,詹秀菊;面向电子商务的数据挖掘技术[J];现代通信;2003年06期

10 孙京兰;;OLAP技术及数据挖掘 技术[J];中文信息;2003年04期

中国重要会议论文全文数据库 前10条

1 马洪杰;曲晓飞;;数据挖掘技术和过程的特点[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

2 戈欣;吴晓芬;许建荣;;数据挖掘技术在放射科医疗管理中的潜在作用[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

3 魏元珍;杨沂凤;;数据挖掘技术及其在数字图书馆中的应用[A];网络信息资源的搜集与应用——全国高校社科信息资料研究会第十次年会论文集[C];2004年

4 肖健;沈彩霞;;浅谈数据挖掘技术现状[A];广西计算机学会2008年年会论文集[C];2008年

5 巩耀亮;邱晓东;孙丽君;李树强;;数据挖掘技术在企业竞争情报系统中的应用研究[A];信息时代——科技情报研究学术论文集（第三辑）[C];2008年

6 王洪锋;;数据挖掘在客户关系管理中的应用研究[A];河南省通信学会2005年学术年会论文集[C];2005年

7 姚小磊;彭清华;;数据挖掘技术在中医眼科应用的设想[A];中华中医药学会第七次眼科学术交流会论文汇编[C];2008年

8 张婧;;数据挖掘技术在进销存系统中的应用[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年

9 杨利军;勾学荣;;数据挖掘在移动客户流失预测中的研究和应用[A];2008年中国高校通信类院系学术研讨会论文集（上册）[C];2009年

10 孙义明;曾继东;;数据挖掘技术及其应用[A];全国计算机安全学术交流会论文集（第二十二卷）[C];2007年

中国重要报纸全文数据库 前10条

1 陈晓 山西财经大学教师;数据挖掘技术在高校教学管理中的应用[N];山西经济日报;2010年

2 记者　吕贤如;大力加强数据挖掘技术研究应用[N];光明日报;2006年

3 主持人 李禾;数据挖掘技术如何驱动经济车轮[N];科技日报;2007年

4 首之;数据挖掘并不神秘[N];金融时报;2006年

5 刘红岩、何军;利用数据挖掘技术获得商业智能[N];中国计算机报;2003年

6 ;IBM公司推出新型数据挖掘技术[N];中国高新技术产业导报;2001年

7 山西银行学校 王林芳;数据挖掘在银行业务中的应用[N];山西科技报;2005年

8 任中华;财务数据挖掘六步走[N];中国计算机报;2007年

9 诺达咨询高级咨询顾问 周连升;数据挖掘拓展3G增值空间[N];通信产业报;2007年

10 徐扬;如何从数据中“挤出”效益[N];中国计算机报;2002年

中国博士学位论文全文数据库 前10条

1 许增福;DL环境下的信息资源管理及知识发现研究[D];哈尔滨工程大学;2005年

2 庞淑英;三江并流带旅游地质景观数据挖掘及旅游价值评价研究[D];昆明理工大学;2008年

3 赵晨;过程控制中的数据挖掘技术研究及其智能控制策略探讨[D];浙江大学;2005年

4 高清东;复杂供矿条件矿山技术指标整体动态优化系统及应用[D];北京科技大学;2005年

5 李兴;高光谱数据库及数据挖掘研究[D];中国科学院研究生院（遥感应用研究所）;2006年

6 王玉峰;变电站瞬态电磁环境及微机保护系统EMC研究[D];大连理工大学;2007年

7 潘海天;数据挖掘技术在聚合过程建模与控制的应用研究[D];浙江大学;2003年

8 程其云;基于数据挖掘的电力短期负荷预测模型及方法的研究[D];重庆大学;2004年

9 束志恒;化学化工数据挖掘技术的研究[D];浙江大学;2005年

10 孙蕾;医学图像智能挖掘关键技术研究[D];西北大学;2005年

中国硕士学位论文全文数据库 前10条

1 贺云;数据挖掘在电子商务推荐系统中的应用研究[D];大连交通大学;2010年

2 王平;基于用户偏好挖掘和主题搜索的情报推荐系统[D];浙江大学;2007年

3 冯继航;基于网格的数据挖掘平台体系结构设计与实现[D];天津大学;2008年

4 吴春阳;数据挖掘在电子商务旅游线路推荐系统中的应用研究[D];重庆交通大学;2009年

5 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

6 徐莉;基于数据挖掘技术的电子商务推荐系统的研究[D];北京邮电大学;2013年

7 祁爱华;基于数据挖掘技术的电子商务推荐系统研究[D];河北工业大学;2011年

8 魏佳;CLARANS改进算法在音乐网站智能推荐系统中的应用[D];吉林大学;2011年

9 王中原;面向互联网基于相关性挖掘的音乐推荐[D];浙江大学;2008年

10 施华;基于项目和用户双重聚类的协同过滤推荐算法[D];东北师范大学;2009年

  本文关键词：基于数据挖掘技术的电子商务推荐系统的研究，由笔耕文化传播整理发布。

本文编号：330148