基于数据挖掘的电子商务内容推荐系统研究

发布时间：2017-07-18 20:13

  本文关键词：基于数据挖掘的电子商务内容推荐系统研究

  更多相关文章： 电子商务 推荐系统 协同过滤 聚类 关联分析

【摘要】：随着电子商务的发展,个性的内容推荐系统对电子商务网站来说尤为重要。本文首先介绍了电子商务个性化内容推荐的相关概念,以及国内外研究现状,分析与研究了各种推荐算法及其优缺点,针对传统协同过滤方法存在的数据稀疏,冷开始及奇异发现的问题,提出了基于数据挖掘方法的相应改进思路。 针对数据稀疏问题使用了用户评分矩阵,将隐式数据转化为显示数据；对于冷启动问题设计了基于聚类的协同过滤推荐方法,并对k-means聚类算法依赖初始K值进行了选取方法的改进,引入了平均用户相似度,根据用户的内在联系实现自动划分聚类,并对改进的算法进行了详细描述；针对奇异发现的问题,本文引入了关联分析的方法,利用关联规则通过从数据集中识别频繁项集,然后再利用这些规则去创建描述商品关联关系的过程,实现了跨类别的推荐。 最后对电子商务推荐系统的整体框架和个性化内容的推荐模块进行了详细设计。并将整个研究内容运用到实际的电子商务系统下,对网站实际浏览量和购买量进行综合评估测试,结果表明,改进后协同过滤算法有效解决了传统算法所存在的问题,提高了网站整体的浏览量和购买量,进一步证实本课题研究内容运用到电子商务网站中的具有实际意义。
【关键词】：电子商务 推荐系统 协同过滤 聚类 关联分析
【学位授予单位】：北方工业大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：F713.36;TP311.52
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-12
• 1.1 研究背景和意义9
• 1.2 国内外研究现状9-10
• 1.3 课题研究的主要内容10
• 1.4 本文的组织结构10-11
• 1.5 本章小结11-12
• 2 内容推荐技术与数据挖掘12-20
• 2.1 内容推荐与个性化推荐12-15
• 2.1.1 推荐技术研究12-14
• 2.1.2 推荐策略14-15
• 2.2 数据挖掘15-17
• 2.2.1 数据挖掘的过程15-16
• 2.2.2 数据挖掘的功能和方法16-17
• 2.3 个性化推荐系统在电子商务中的应用17-18
• 2.3.1 推荐系统在电子商务中的作用17-18
• 2.3.2 推荐系统在电子商务系统中的研究内容18
• 2.4 数据挖掘与推荐系统18-19
• 2.5 本章小结19-20
• 3 基于数据挖掘的推荐算法研究20-34
• 3.1 协同过滤算法20-24
• 3.1.1 算法的描述20-23
• 3.1.2 传统算法存在的问题23-24
• 3.2 算法改进24-27
• 3.2.1 改进思路24
• 3.2.2 相关数据挖掘技术的引入24-27
• 3.3 不同策略下推荐算法的描述27-33
• 3.3.1 基于关联规则的推荐算法在系统中的实现27-28
• 3.3.2 基于聚类的协同推荐算法在系统中的实现28-33
• 3.4 本章小结33-34
• 4 基于数据挖掘的推荐系统的设计34-41
• 4.1 系统的需求概述34
• 4.2 推荐系统设计34-37
• 4.2.1 推荐系统的整体架构设计34-36
• 4.2.2 推荐系统业务流程图设计36-37
• 4.3 推荐系统功能模块设计37-38
• 4.3.1 关联推荐功能模块设计37-38
• 4.3.2 聚类推荐功能模块设计38
• 4.4 数据处理模块功能设计38-40
• 4.5 文章小结40-41
• 5 推荐系统的实现及实验结果分析41-54
• 5.1 推荐系统的实现41-47
• 5.1.1 数据准备41-43
• 5.1.2 关联推荐和聚类推荐功能模块的实现43-44
• 5.1.3 推荐系统前端展示44-47
• 5.2 实验结果分析47-53
• 5.2.1 实验数据47
• 5.2.2 实验评估标准47-48
• 5.2.3 实验方案48-49
• 5.2.4 结果分析49-53
• 5.3 本章小结53-54
• 6 总结和展望54-55
• 6.1 本文小结54
• 6.2 下一步工作展望54-55
• 参考文献55-58
• 攻读学位期间主要的研究成果58-59
• 致谢59

【参考文献】

中国期刊全文数据库 前7条

1 谭勇,荣秋生;一个基于K-means的聚类算法的实现[J];湖北民族学院学报(自然科学版);2004年01期

2 邢春晓;高凤荣;战思南;周立柱;;适应用户兴趣变化的协同过滤推荐算法[J];计算机研究与发展;2007年02期

3 郑秀丽,王乐宁,陈中柱;基于数据挖掘技术的电子商务客户潜力开发方案[J];计算机工程与应用;2002年05期

4 余力,刘鲁;电子商务个性化推荐研究[J];计算机集成制造系统;2004年10期

5 曾春,邢春晓,周立柱;个性化服务技术综述[J];软件学报;2002年10期

6 夏红霞,赵杨,曹献媛,钟珞;关联规则层次算法的研究与改进[J];武汉工业大学学报;2000年05期

7 刘兴雨;数据挖掘技术及在电子商务中的应用[J];计算机系统应用;2001年06期

中国硕士学位论文全文数据库 前5条

1 郑洪英;数据挖掘聚类算法的分析和应用研究[D];重庆大学;2002年

2 彭玉;基于用户个人特征的多内容项目协同过滤推荐[D];西南大学;2007年

3 付国瑜;基于Web日志的数据挖掘研究[D];重庆大学;2007年

4 李明晶;基于web挖掘的电子商务个性化推荐系统研究[D];北京交通大学;2008年

5 蒋，

本文编号：559578