基于云计算的电子商务智能推荐系统研究

发布时间：2017-06-15 22:09

  本文关键词：基于云计算的电子商务智能推荐系统研究，由笔耕文化传播整理发布。

【摘要】：伴随着电子商务的发展，人们的日常生活方式发生了巨大改变。现在我们可以通过电脑或手机等设备在足不出户的情况下购买到自己想要的商品。然而信息时代数据爆炸式增长为人们获取信息和知识带来更多机遇的同时，如何在海量数据中剔除不相干的信息、快捷地获取到有价值的信息成为一项挑战工作。而个性化推荐系统就是在这样的背景下产生的，它可以挖掘出不同用户的不同偏好，从而有针对性地进行个性化推荐。 学术界对现有电子商务个性化推荐技术的研究主要集中在基于内容的、协同过滤的、基于知识的等传统推荐技术以及对这些算法的优化上，但是电子商务已经进入了大数据时代，优化的传统算法尽管在一定程度上可以提升推荐系统的效果，但是已经不能适应大数据环境下满足客户的个性化服务的需求。与此同时，目前很多学者对推荐系统评测指标认识不全面，有些学者及文章只局限于推荐系统的精确性这一个方面，而对多样性、新颖性、覆盖率等指标视而不见，还有些学者及文章在文中只选择对自己算法有利的指标，因此如何客观、有效的评价推荐系统需要一个完整统一的指标体系。 在以上问题的基础上，本文设计了大数据环境下推荐系统的架构、基于云计算的推荐算法和分布式推荐系统综合评测体系，并且实现了基于云计算的电子商务智能推荐系统原型。主要工作如下： （1）基于云计算的推荐系统框架设计，研究了基于云计算的大数据处理技术、Hadoop平台以及MapReduce工作原理，提出了基于云计算的推荐系统总体框架与系统工作流程。 （2）基于云计算的推荐算法设计，，针对传统推荐算法在数据稀疏性及在大数据规模下系统可扩展性的问题，在分析研究Hadoop分布式平台与基于内容过滤、协同过滤、关联规则等相关算法后，提出基于Hadoop平台实现个性化推荐算法的方法。 （3）分布式推荐系统综合评测体系设计，研究了分布式推荐系统评测体系设计的基本原则，并据此建立推荐系统评测指标体系，包括预测准确度、效率性、覆盖率、多样性、新颖性等五个维度，并且提出各指标的评价方法。 （4）基于云计算的电子商务智能推荐原型系统实现，以电子商务网站海量行为数据为实证研究对象，构建基于Hadoop云平台电子商务智能推荐系统原型，并进行推荐系统评价指标实证研究，验证算法和指标的有效性，改进并丰富基于云计算的电子商务智能推荐系统的理论、方法和技术体系。 通过研究基于云计算技术实现的电子商务智能推荐系统，解决了传统单机环境对各种推荐算法支持不足的问题，验证了分布式推荐系统评测指标体系的有效性，对改进电子商务个性化推荐系统的有效性、规模性和实时性，提升个性化精准营销水平具有重要的理论意义和经济价值。
【关键词】：电子商务 推荐系统 大数据 云计算
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.3;F724.6
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-20
• 1.1 研究背景及意义11-12
• 1.2 国内外研究综述12-16
• 1.2.1 大数据处理技术12-13
• 1.2.2 电子商务个性化推荐技术13-14
• 1.2.3 推荐系统性能评测指标14-15
• 1.2.4 推荐系统设计与实现15-16
• 1.3 研究内容与方法16-20
• 1.3.1 研究内容16-17
• 1.3.2 研究方法17-18
• 1.3.3 技术路线18-20
• 第2章 基于云计算的推荐系统框架设计20-26
• 2.1 系统总体框架20-22
• 2.2 系统工作流程22-23
• 2.3 系统关键技术23-26
• 第3章 基于云计算的推荐算法设计26-41
• 3.1 基于云计算的推荐算法设计原则26-28
• 3.2 协同过滤推荐算法28-32
• 3.2.1 传统协同过滤推荐算法28-30
• 3.2.2 基于云计算的协同过滤推荐算法30-32
• 3.3 内容过滤推荐算法32-36
• 3.3.1 传统内容过滤推荐算法32-35
• 3.3.2 基于云计算的内容过滤推荐算法35-36
• 3.4 关联规则推荐算法36-41
• 3.4.1 传统关联规则推荐算法36-39
• 3.4.2 基于云计算的关联规则推荐算法39-41
• 第4章 分布式推荐系统综合评测体系41-47
• 4.1 评测指标设计的基本原则41
• 4.2 评测指标选取41-45
• 4.3 指标评估方法45-47
• 第5章 基于云计算的推荐原型系统实现47-59
• 5.1 系统环境搭建47-53
• 5.1.1 系统环境综述47-48
• 5.1.2 云计算环境搭建48-52
• 5.1.3 推荐算法部署52-53
• 5.2 系统测试方案53-54
• 5.3 系统运行效果54-56
• 5.4 系统效果评估56-59
• 第6章 总结与展望59-62
• 6.1 全文总结59-60
• 6.2 创新点60
• 6.3 研究展望60-62
• 参考文献62-66
• 致谢66-67
• 攻读硕士学位期间发表论文以及参与科研情况67

【参考文献】

中国期刊全文数据库 前10条

1 张永攀;冯锡炜;关沧;汪俭华;毕福伟;;电子商务个性化推荐系统的应用[J];辽宁石油化工大学学报;2013年01期

2 彭菲菲;钱旭;;基于用户关注度的个性化新闻推荐系统[J];计算机应用研究;2012年03期

3 李慧;胡云;李存华;王霞;;基于近邻关系的个性化推荐算法研究[J];计算机工程与应用;2012年36期

4 孟小峰;慈祥;;大数据管理:概念、技术与挑战[J];计算机研究与发展;2013年01期

5 李伟卫;赵航;张阳;王勇;;基于MapReduce的海量数据挖掘技术研究[J];计算机工程与应用;2013年20期

6 李鹏飞;吴为民;;基于混合模型推荐算法的优化[J];计算机科学;2014年02期

7 孙莉;何刚;李继云;;基于Hadoop平台的事实并行处理算法[J];计算机工程;2014年03期

8 许海玲;吴潇;李晓东;阎保平;;互联网推荐系统比较研究[J];软件学报;2009年02期

9 覃雄派;王会举;杜小勇;王珊;;大数据分析——RDBMS与MapReduce的竞争与共生[J];软件学报;2012年01期

10 饶君;吴斌;东昱晓;;MapReduce环境下的并行复杂网络链路预测[J];软件学报;2012年12期

  本文关键词：基于云计算的电子商务智能推荐系统研究，由笔耕文化传播整理发布。

本文编号：453622