基于粗糙集的电子商务智能推荐系统研究

发布时间：2017-07-30 04:09

  本文关键词：基于粗糙集的电子商务智能推荐系统研究

  更多相关文章： 粗糙集 属性约简 数据挖掘 Apriori算法 结构化查询语言(SQL) 电子商务 个性化推荐

【摘要】：粗糙集(Rough Set)理论是波兰数学家Pawlak教授于1982年提出的一种能够定量分析和处理不精确、不一致、不完整信息与知识的数学工具，常用于处理模糊和不精确的问题。数据挖掘即数据库中的知识发现(Knowledge Discover Database，KDD)，而商业智能研究中的商业数据挖掘，是一个从数据库中抽取对商业零售企业进销存等具有潜在应用价值的隐含信息的过程。使用粗糙集数据挖掘系统(RSDMS)进行数据预处理，消去冗余属性，抽取决策规则，可以在不影响决策效能的前提下精简属性集。将SQL运用于求信息熵的约简过程当中，相关约简算法可以通过缩短执行时间来提高其效率。频繁项目集发现算法是关联规则的主要内容之一，本论文在文献[44]的基础上提出了一种Apriori改进算法，在提出的矩阵基础上我们可以方便地得到各个项集的支持度计数，而不需要像Apriori算法那样频繁地扫描事务数据库，减少了扫描事务数据库的次数，也不需要像参考文献[44]当中的算法那样得出各个项集对应的子矩阵，降低了算法的复杂度。本论文在总结前人研究成果的基础上，，针对粗糙集的属性约简算法及其应用、商业数据挖掘、电子商务智能推荐等方面进行了研究，主要内容归纳如下： (1)对粗糙集的基本理论知识进行了总体研究，详细介绍了粗糙集的发展历程及其国内外现状，分析了粗糙集的属性约简算法，并在精简条件属性集的基础上运用基于SQL的属性约简算法对其进行了改进。 (2)对数据挖掘以及商业数据挖掘的基本理论及其应用、应用中存在的问题等做了介绍，针对数据的离散化、完备化等问题进行了分析研究，在相关文献的基础上提出了一种Apriori改进算法。 (3)介绍了电子商务的发展历程及其国内外现状，分析了电子商务的流程及其在运行过程中应该注意的问题，并对电子商务智能推荐系统进行了研究。 (4)对电子商务网站的相关数据进行分析处理，利用改进的粗糙集属性约简算法及Apriori改进算法进行数据挖掘，将两种改进算法结合使用作为一种方案运用到推荐系统，然后通过对相关数据进行实验分析比较系统的推荐效率。
【关键词】：粗糙集 属性约简 数据挖掘 Apriori算法 结构化查询语言(SQL) 电子商务 个性化推荐
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP311.13;TP391.3
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-17
• 1.1 研究的背景及意义9-11
• 1.2 基于粗糙集的电子商务推荐系统国内外现状11-14
• 1.2.1 电子商务国内外现状11-12
• 1.2.2 粗糙集国内外现状12-13
• 1.2.3 基于粗糙集的电子商务推荐系统国内外现状13-14
• 1.3 主要的研究内容14-15
• 1.4 论文的组织结构15-16
• 1.5 小结16-17
• 第二章 电子商务及其个性化推荐17-27
• 2.1 电子商务17-20
• 2.1.1 电子商务的定义17-18
• 2.1.2 电子商务的模式18
• 2.1.3 电子商务遇到的问题18-20
• 2.2 电子商务个性化推荐20-26
• 2.2.1 电子商务个性化推荐的基本概念20-21
• 2.2.2 电子商务个性化推荐的研究内容21-22
• 2.2.3 初步设计电子商务智能推荐系统22-26
• 2.3 小结26-27
• 第三章 粗糙集理论及其属性约简改进算法27-41
• 3.1 粗糙集理论27-30
• 3.1.1 粗糙集理论简介27-28
• 3.1.2 粗糙集理论核心28-30
• 3.2 数据预处理30-36
• 3.2.1 连续属性离散化32-33
• 3.2.2 数据完备化33-36
• 3.3 基于粗糙集的属性约简算法及其改进算法36-40
• 3.4 小结40-41
• 第四章 基于关联规则的数据挖掘算法研究41-54
• 4.1 数据挖掘41-42
• 4.1.1 数据挖掘的定义41-42
• 4.1.2 数据挖掘的分类与研究内容42
• 4.2 Web 挖掘42-45
• 4.2.1 Web 挖掘的原理42-43
• 4.2.2 Web 挖掘的分类43-45
• 4.3 关联规则及 Apriori 改进算法45-53
• 4.3.1 关联规则的概念45-47
• 4.3.2 Apriori 算法及其改进算法47-51
• 4.3.3 关联规则生成算法介绍51-53
• 4.4 小结53-54
• 第五章 基于粗糙集的关联规则挖掘在电子商务推荐系统中的应用54-61
• 5.1 引言54
• 5.2 电子商务个性化服务推荐系统54-55
• 5.3 基于粗糙集的关联规则数据挖掘模型55-59
• 5.3.1 数据预处理56-57
• 5.3.2 属性约简57-58
• 5.3.3 关联规则挖掘及实验分析58-59
• 5.4 小结59-61
• 第六章 总结及展望61-64
• 6.1 论文总结61-62
• 6.2 展望及进一步的工作62-64
• 参考文献64-67
• 致谢67-68
• 攻读学位期间的研究成果68

【参考文献】

中国期刊全文数据库 前10条

1 朱小飞,卓丽霞;一种基于量化容差关系的不完备数据分析方法[J];重庆工学院学报;2005年05期

2 姜云苹;葛世伦;蒋家尚;王丽敏;;基于粗糙集的关联规则挖掘在教师成长中的应用[J];计算机与信息技术;2008年Z1期

3 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

4 王国胤;姚一豫;于洪;;粗糙集理论与应用研究综述[J];计算机学报;2009年07期

5 吕桃霞;刘培玉;;一种基于矩阵的强关联规则生成算法[J];计算机应用研究;2011年04期

6 杨佩佩;华薇娜;;电子商务网站用户界面的比较与分析[J];科技情报开发与经济;2008年30期

7 王燕;王国胤;邓维斌;;基于概念格的数据驱动不确定知识获取[J];模式识别与人工智能;2007年05期

8 戚飞;侯国庆;;电子商务学科应用领域问题探析[J];内蒙古农业大学学报(自然科学版);2006年04期

9 王国胤,何晓;一种不确定性条件下的自主式知识学习模型[J];软件学报;2003年06期

10 蔡乐才;姚行艳;;基于粗集理论的属性约简算法[J];四川理工学院学报(自然科学版);2009年01期

中国博士学位论文全文数据库 前1条

1 陆楠;关联规则的挖掘及其算法的研究[D];吉林大学;2007年

中国硕士学位论文全文数据库 前1条

1 桑雨;粗糙集连续属性离散化方法研究[D];辽宁师范大学;2008年

本文编号：592431