基于用户行为的电子商务推荐系统的设计与研究

发布时间：2017-08-03 17:00

  本文关键词：基于用户行为的电子商务推荐系统的设计与研究

  更多相关文章： 电子商务 信息过载 个性化推荐 协同过滤

【摘要】： 目前电子商务网站数量众多,信息资源总量庞杂、增长速度飞快,导致用户在整个商品空间上出现信息迷航和信息过载问题,信息使用效率降低。现有的电子商务网站搜索系统和搜索引擎,主要通过用户输入的搜索条件进行信息过滤,没有个性化的考虑,无法根据用户的需求,提供便捷、高效、准确的服务。如何顺应电子商务向以用户为中心发展模式的转变,就必须应用个性化推荐系统。推荐系统能够针对不同的用户提供满足其个性化需求的服务,提高用户从信息中寻找知识的效率,与客户建立长期稳定的关系,能够使网站立于不败之地。 推荐系统通过模拟商店销售人员,根据用户的兴趣爱好,向目标用户推荐符合其兴趣爱好的商品。推荐算法是推荐系统中最重要的组成部分,关系着推荐系统的推荐质量。协同过滤算法是目前应用最广泛、最成功的推荐算法。然而,随着互联网用户数量的剧增,协同过滤算法在数据稀疏性、用户评分真实性等问题上日趋严重,影响了推荐系统的质量。 基于上述情况,本文从理论和实践两个角度出发,研究、设计了一个基于用户行为的电子商务推荐系统。主要采用前融合组合推荐策略,将Web使用挖掘技术和基于用户-商品类的协同过滤推荐算法相结合,避免了单纯使用协同过滤技术的弱点,降低了传统协同过滤算法中数据稀疏性问题。阐述了基于用户行为的电子商务推荐系统的设计思想,详细介绍了算法的三个组成模块:用户聚类子模块、个性化推荐子模块、推荐反馈子模块的实现过程,并通过实验验证了本推荐算法具有良好的推荐效果。最后根据算法的思想设计和实现了基于用户行为的电子商务推荐系统实例—“乐购网”。根据“乐购网”的开发过程,介绍了系统的需求分析、系统设计、数据库设计和主要功能模块的设计实现,重点介绍了基于用户行为的个性化推荐子系统的设计和实现过程。
【关键词】：电子商务 信息过载 个性化推荐 协同过滤
【学位授予单位】：山西财经大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：TP311.52
【目录】：

• 摘要6-7
• Abstract7-10
• 1 绪论10-16
• 1.1 研究背景及意义10-12
• 1.1.1 研究背景10-12
• 1.1.2 研究意义12
• 1.2 推荐系统的研究现状12-14
• 1.3 论文的主要研究工作14
• 1.4 本文的组织结构14-15
• 1.5 本章小结15-16
• 2 推荐系统及协同过滤算法概述16-24
• 2.1 推荐系统概述16-19
• 2.1.1 推荐系统概念和分类16-17
• 2.1.2 推荐系统组织结构17-18
• 2.1.3 推荐系统中主流的推荐技术18-19
• 2.2 协同过滤算法概述19-21
• 2.2.1 协同过滤算法思想和分类19-20
• 2.2.2 协同过滤的推荐方法20-21
• 2.3 协同过滤存在的问题及研究现状21-23
• 2.3.1 协同过滤存在的问题21
• 2.3.2 协同过滤的研究现状21-23
• 2.4 本章小结23-24
• 3 推荐算法的改进研究24-37
• 3.1 算法思想24-25
• 3.2 算法描述25-27
• 3.3 算法实现过程27-32
• 3.3.1 用户行为聚类子模块27-30
• 3.3.2 个性化推荐子模块30-31
• 3.3.3 推荐反馈子模块31-32
• 3.4 实验过程32-35
• 3.4.1 实验数据集32
• 3.4.2 实验步骤32-35
• 3.5 实验结果及分析35-36
• 3.5.1 推荐质量度量标准35-36
• 3.5.2 实验结果及分析36
• 3.6 本章小结36-37
• 4 基于改进算法的推荐系统实施37-58
• 4.1 需求分析37-39
• 4.1.1 商品浏览子系统需求分析37-38
• 4.1.2 后台管理子系统需求分析38-39
• 4.1.3 个性化推荐子系统需求分析39
• 4.2 系统设计39-45
• 4.2.1 系统架构39-40
• 4.2.2 系统开发环境40-41
• 4.2.3 系统功能设计41-42
• 4.2.4 系统后台数据库设计42-45
• 4.3 推荐系统的设计实现45-48
• 4.3.1 用户注册和登录模块实现45-46
• 4.3.2 商品浏览子系统和后台管理子系统的实现46-48
• 4.4 个性化推荐子系统的设计实现48-57
• 4.4.1 用户行为聚类的实现50-55
• 4.4.2 用户-商品类协同过滤的实现55-56
• 4.4.3 推荐功能的实现56-57
• 4.5 本章小结57-58
• 结束语58-60
• 本文的主要工作58-59
• 进一步工作59-60
• 参考文献60-64
• 附录 部分程序源代码64-73
• 致谢73-74
• 攻读硕士学位期间发表的论文74-75

【参考文献】

中国期刊全文数据库 前10条

1 赵智;时兵;;改进的个性化推荐算法[J];长春大学学报;2005年06期

2 崔亚洲;段刚;;基于Web日志和商品分类的协同过滤推荐系统[J];电子科技大学学报(社科版);2006年03期

3 刘建国;周涛;郭强;汪秉宏;;个性化推荐系统评价方法综述[J];复杂系统与复杂性科学;2009年03期

4 高凤荣;邢春晓;杜小勇;王珊;;基于矩阵聚类的协作过滤算法[J];华中科技大学学报(自然科学版);2005年S1期

5 李颖基,彭宏,郑启伦,曾炜;Web日志中有趣关联规则的发现[J];计算机研究与发展;2003年03期

6 周斌,吴泉源,高洪奎;用户访问模式数据挖掘的模型与算法研究[J];计算机研究与发展;1999年07期

7 纪良浩;王国胤;;基于资源的协作过滤推荐算法研究[J];计算机工程与应用;2008年08期

8 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

9 孙小华;陈洪;孔繁胜;;在协同过滤中结合奇异值分解与最近邻方法[J];计算机应用研究;2006年09期

10 吴颜;沈洁;顾天竺;陈晓红;李慧;张舒;;协同过滤推荐系统中数据稀疏问题的解决[J];计算机应用研究;2007年06期

中国硕士学位论文全文数据库 前1条

1 何安;协同过滤技术在电子商务推荐系统中的应用研究[D];浙江大学;2007年

，

本文编号：615360