基于数据挖掘的电子商务推荐系统设计与实现

发布时间：2017-07-31 13:31

  本文关键词：基于数据挖掘的电子商务推荐系统设计与实现

  更多相关文章： 数据挖掘 个性化推荐 倾向性分析

【摘要】：电子商务的飞速发展增加了消费者的可选择性，拓展了消费选择的宽度和广度，激发他们的购买欲望的同时，却又使消费面对海量商品感到茫然，难以抉择自己想要的产品，甚至使他们陷入数据丰富而知识贫乏的境地。 推荐系统的目的模拟现实生活中销售员向消费者推荐商品的过程，协助消费找到自己所满意的商品。现有电子商务推荐算法往往是依据用户浏览行为将用户聚类，以相似用户行为作为推荐依据，这一过程忽略了用户对商品的情感态度。而实际上，当用户对商品持积极情感时则会提高用户满意度，否则用户满意度则会降低。 为了提高用户对推荐结果的满意度，本文在研究各类推荐算法的基础上，研究用户情感挖掘方法，并构建一个融合情感挖掘的推荐算法。该方法首先依据用户行为信息将用户聚类，认为相同类别的用户有着相同的购买欲望。在此基础上生成推荐商品候选列表。然后利用用户情感信息对候选商品列表过滤，去除那些用户评价较差的商品，保留用户满意度的商品生成最终的推荐结果。为了分析用户的情感信息，本文采集用户对商品评价的内容，采用基于情感词的倾向性分析方法来判断评价内容的倾向性。为了生成情感词表，，本文首先假设包含较多正向情感词的文本其倾向为正向，同时被较多正向文本所包含情感词的倾向为正向，反之亦然。以此假设为基础，采用PMI方法达到情感词扩展的目的，形成最终的情感词表。经实验验证，本文设计的推荐算法有助提高用户的满意度。
【关键词】：数据挖掘 个性化推荐 倾向性分析
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP391.3;TP311.13
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 前言9-14
• 1.1 研究背景及意义9-10
• 1.2 国内外研究现状10-13
• 1.3 研究内容13
• 1.4 论文组织安排13-14
• 第二章 推荐系统关键技术综述14-29
• 2.1 数据挖掘算法14-25
• 2.1.1 频繁项集挖掘算法14-17
• 2.1.2 分类算法及预测17-22
• 2.1.3 聚类算法22-25
• 2.2 推荐系统算法25-28
• 2.2.1 基于内容的推荐算法25-26
• 2.2.2 协同过滤算法26-27
• 2.2.3 混合推荐算法27-28
• 2.3 本章小结28-29
• 第三章 融合情感挖掘的推荐算法设计29-33
• 3.1 问题分析29-30
• 3.2 倾向性分析研究综述30
• 3.3 融合用户情感挖掘的推荐算法30-32
• 3.3.1 评价内容特征选择30-31
• 3.3.2 基于情感词的倾向性分析方法31-32
• 3.4 融合用户情感挖掘的推荐算法32
• 3.5 本章小结32-33
• 第四章 系统设计与实现33-60
• 4.1 系统目标33
• 4.2 系统需求分析33-34
• 4.3 系统业务流程图34-35
• 4.4 数据库设计35-45
• 4.4.1 数据库概念设计36-42
• 4.4.2 数据表设计42-45
• 4.5 核心功能模块流程图及实现45-59
• 4.5.1 信息采集45-49
• 4.5.2 用户聚类分析49-50
• 4.5.3 特征提取50-51
• 4.5.4 用户评价倾向性分析51-59
• 4.6 本章小结59-60
• 第五章 系统性能测试60-68
• 5.1 系统功能测试60-63
• 5.2 系统算法测试63-67
• 5.2.1 测试数据集63
• 5.2.2 评价指标63-64
• 5.2.3 测试步骤64-65
• 5.2.4 测试结果分析65-67
• 5.3 本章小节67-68
• 第六章 总结与展望68-69
• 致谢69-70
• 参考文献70-73

【参考文献】

中国期刊全文数据库 前4条

1 崔春生;吴祈宗;王莹;;用于推荐系统聚类分析的用户兴趣度研究[J];计算机工程与应用;2011年07期

2 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

3 王立才;孟祥武;张玉洁;;上下文感知推荐系统[J];软件学报;2012年01期

4 王征;谭龙江;;基于客户心理挖掘和预测的推荐系统[J];计算机工程与设计;2012年11期

中国博士学位论文全文数据库 前2条

1 李涛;推荐系统中若干关键问题研究[D];南京航空航天大学;2009年

2 任磊;推荐系统关键技术研究[D];华东师范大学;2012年

本文编号：599412