基于专家决策算法的电子商务推荐系统研究

发布时间：2017-05-07 16:07

  本文关键词：基于专家决策算法的电子商务推荐系统研究，由笔耕文化传播整理发布。

【摘要】：近年来，由于计算机网络技术的迅速发展，借助电子商务平台的交易方式已逐步融入到人们的生活当中，电子商务的兴起在很大程度上改变了人们对于传统商务行为的认识。由于信息处理技术的发展以及客户对于商品需求的不断变更，电子商务推荐系统在最初的单一手工推荐方式的基础上逐步融入了信息检索、数据挖掘、人工智能等多种现代化技术手段，于是本文所研究的现代电子商务推荐应运而生。在目前广泛应用的电子商务推荐系统中，系统通过分析顾客在本平台以往的浏览及购物历史，并结合顾客的实时需求来为其做出推荐选择。电子商务推荐系统根据其各自的应用领域来选用相应的推荐算法，然而，在目前主流的推荐算法当中都普遍存在着两点不足。第一，对于用户不经常购买的商品，推荐系统无法获得足够的客户信息，包括客户购买记录、客户评价、客户兴趣偏好等，这样，就不足以支持传统推荐算法的实现；第二，对于定期推出更新的高科技产品，网络上的资料非常有限，缺乏足够专业知识的顾客在面对大量的科技含量较高的商品时，会显得无所适从，难以给出准确的需求描述，这也就给其选择商品带来了一定的难度。 针对上文提出的现代电子商务推荐系统中存在的两个不足之处，本文提出了基于专家决策算法的电子商务推荐系统模型，该模型基于多Agent系统来建立。运用该模型，可以有效的解决上述问题。本文深入研究了Agent系统的理论知识，包括FIPA规范标准、Agent间的通信机制和多Agent系统模式设计等。随后本文对当前广泛应用于电子商务推荐系统中的三种主流推荐策略进行了较为详细的分析，包括分析其各自的基本概念、算法流程以及各自的优缺点和适用领域等。接下来文章提出了专家决策算法，并对其基本原理和算法流程做了比较详细的分析。最后，本文给出了系统的设计架构和部分结果展示。 总的来说，本文通过对现代电子商务推荐系统的深入研究，针对其实际应用的空缺之处，提出了应用于特定领域的专家决策算法推荐模型，研究成果主要有以下几点： 1.完成了对当前主流推荐算法的深入研究工作。 分析了当前应用广泛的三大主流推荐策略：基于关联规则的推荐、基于内容的推荐和基于协同过滤的推荐。深入研究了它们的理论基础、算法流程以及各自的优缺点，，为下一步提出专家决策算法推荐模型做了铺垫。 2.完成了专家决策算法推荐模型的设计与实现工作。 本文详细分析了专家决策推荐算法模型的设计流程，完成了该模型的专家知识分析模块和专家推荐决策模块的设计，并初步实现了该算法。 3.完成了一套基于JADE平台的多Agent系统设计工作。 将专家决策算法与多Agent系统相结合，从而在JADE平台上完成了基于专家决策算法的多Agent推荐系统的初步实现。 本文在研究中提出的创新点是：提出了一种应用于电子商务推荐领域的基于多Agent系统的专家决策推荐算法模型。 本文通过对电子商务推荐系统实际应用的研究，针对该领域应用的空白之处，专门提出并设计了一种特定应用的推荐算法——专家决策推荐算法。该算法比较适用于对科技含量较高且用户不经常购买的商品进行推荐。
【关键词】：电子商务推荐系统 专家决策算法 主流推荐策略 多Agent系统
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP18;TP391.3
【目录】：

• 摘要4-6
• Abstract6-9
• 目录9-12
• 第1章 引言12-17
• 1.1 研究背景12
• 1.2 国内外的研究现状12-13
• 1.3 本文的主要研究目标与内容13-16
• 1.3.1 研究目标13
• 1.3.2 研究内容13-14
• 1.3.3 论文组织结构14-16
• 1.4 本章小结16-17
• 第2章 电子商务推荐系统相关技术研究17-20
• 2.1 电子商务推荐系统分类17-18
• 2.2 相关技术研究18-19
• 2.2.1 信息检索技术18
• 2.2.2 信息过滤技术18-19
• 2.2.3 研究目标数据挖掘技术19
• 2.3 本章小结19-20
• 第3章 Agent理论研究20-28
• 3.1 Agent技术简介20
• 3.2 JADE开发平台20-24
• 3.2.1 FIPA规范21-22
• 3.2.2 基于JADE的开发环境简介22-24
• 3.3 多Agent系统体系24-27
• 3.3.1 Agent通信24-26
• 3.3.2 多Agent系统模式设计26-27
• 3.4 本章小结27-28
• 第4章 主流电子商务推荐系统策略分析28-43
• 4.1 基于关联规则的推荐策略28-32
• 4.1.1 关联规则算法概述28-29
• 4.1.2 Apriori算法29-31
• 4.1.3 Top-N推荐算法31-32
• 4.2 基于内容的推荐策略32-36
• 4.2.1 基于内容的推荐算法概述32-34
• 4.2.2 基于文本的推荐算法分析34-35
• 4.2.3 Rocchio算法35-36
• 4.3 基于协同过滤的推荐策略36-41
• 4.3.1 DAKNNs算法分析38-40
• 4.3.2 基于内存的协同过滤推荐算法40-41
• 4.3.3 基于降维的协同过滤推荐算法41
• 4.4 本章小结41-43
• 第5章 专家决策算法分析43-48
• 5.1 专家决策算法概述43
• 5.2 专家决策算法的实现流程及分析43-47
• 5.2.1 专家知识分析模块43-44
• 5.2.2 专家决策推荐模块44-47
• 5.3 本章小结47-48
• 第6章 系统设计与结果测试48-60
• 6.1 多Agent系统框架设计48-50
• 6.2 Agent模型设计与实现50-54
• 6.2.1 用户交互Agent模块50-51
• 6.2.2 专家知识分析Agent模块51-52
• 6.2.3 专家决策推荐Agent模块52-54
• 6.3 数据库的设计54-56
• 6.3.1 原始商品数据库55-56
• 6.3.2 用户档案数据库56
• 6.3.3 决策矩阵数据库56
• 6.4 算法模型的实验测试56-59
• 6.5 本章小结59-60
• 总结与展望60-62
• 致谢62-63
• 参考文献63-66
• 攻读学位期间发表的学术论文66

【参考文献】

中国硕士学位论文全文数据库 前3条

1 张一平;基于Agent的餐饮个性化推荐建模与仿真研究[D];大连理工大学;2011年

2 陈敏;基于JADE平台的信息代理的研究及实现[D];暨南大学;2005年

3 郑素娥;基于分布式多Agent的供应链协商模型研究与实现[D];华南理工大学;2010年

  本文关键词：基于专家决策算法的电子商务推荐系统研究，由笔耕文化传播整理发布。

本文编号：350164