电子商务网站个性化推荐技术研究与实现

发布时间：2017-08-04 22:21

  本文关键词：电子商务网站个性化推荐技术研究与实现

  更多相关文章： 电子商务 个性推荐 Web挖掘 聚类

【摘要】：随着中国电子商务的不断高速发展，全社会对电子商务的认识已经进入一个新的层次。由于电子商务的优势特点，也引起了政府的广泛关注，健康发展电子商务、拉动中国经济发展已经被提到政府的工作日程之中。而传统的大众化信息服务模式不能根据Web用户的不同需求提供个性化的信息服务。为了提高电商竞争力，，要充分挖掘Web用户的潜在信息需要。 本文主要研究Web挖掘在电子商务网站推荐系统的应用。首先研究一种合并式聚类算法生成页面聚类。这种算法能够随时根据用户的访问模型、页面结构，页面的内容改变生成新的页面聚类，以提供给推荐系统使用。然后给出了一个页面推荐算法。推荐时要先计算当前访问节点以外的节点的推荐得分，然后设定一个最小推荐阈值，把聚类中的除了当前节点以外的节点都放到堆栈里，然后使用广度优先遍历的方法，把推荐得分小于最小推荐阈值的节点丢掉。那些推荐得分大于最小推荐阈值的节点就可以成为推荐集合。最后，设计并实现了一个基于上述算法的个性化推荐系统。 实验室环境下，推荐算法的覆盖率和准确率的初步实验结果表明：最小阈值在0.2到0.3之间，达到比较好的推荐效果；加载了推荐系统的APACHE服务器没有明显的延时，推荐系统综合性能较好。
【关键词】：电子商务 个性推荐 Web挖掘 聚类
【学位授予单位】：华侨大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP391.3
【目录】：

• 摘要4-5
• Abstract5-6
• 目录6-9
• 第1章 引言9-15
• 1.1 问题的提出9
• 1.2 选题背景及意义9-10
• 1.3 个性化信息推荐研究现状10-13
• 1.3.1 国内外个性化信息推荐技术研究现状：10-11
• 1.3.2 传统个性化推荐方法11-13
• 1.4 本文的研究方法13-14
• 1.5 论文结构安排14-15
• 第2章 个性化推荐相关技术研究15-36
• 2.1 个性化推荐技术的含义15
• 2.2 Web 挖掘15-18
• 2.2.1 Web 挖掘含义15-16
• 2.2.2 Web 信息的特点16-17
• 2.2.3 Web 挖掘的研究内容17-18
• 2.3 Web 个性化信息推荐一般流程18-21
• 2.4 基于 web 挖掘的个性化信息推荐方法分析21-29
• 2.4.1 基于关联规则的个性化推荐21-24
• 2.4.2 基于序列模式的个性化推荐24-27
• 2.4.3 user-based 协作过滤的个性化推荐27-29
• 2.5 基于 Web 使用挖掘的数据预处理方法29-36
• 2.5.1 数据过滤29
• 2.5.2 用户识别29-31
• 2.5.3 会话识别31-33
• 2.5.4 路径补充33-36
• 第3章 基于页面聚类的个性化推荐方法36-49
• 3.1 聚类概述36-40
• 3.1.1 聚类概念36
• 3.1.2 经典聚类算法介绍36-37
• 3.1.3 聚类算法的评价37-40
• 3.2 使用传统聚类方法进行页面聚类存在的问题40
• 3.3 一种新的聚类算法—合并聚类算法40-44
• 3.3.1 Web 用户访问兴趣的表示方法41-42
• 3.3.2 合并聚类算法42-44
• 3.4 页面推荐算法44-46
• 3.4.1 计算推荐得分44-45
• 3.4.2 推荐算法描述45-46
• 3.5 算法实验46-49
• 第4章 个性化推荐系统设计与实现49-62
• 4.1 个性化推荐系统结构49-50
• 4.2 个性化推荐系统工作流程50-55
• 4.2.1 网络监控52
• 4.2.2 准备数据52-53
• 4.2.3 更新访问信息53-55
• 4.2.4 页面聚类55
• 4.2.5 产生推荐页面55
• 4.3 个性化推荐系统的特点55-56
• 4.4 个性化推荐系统实验室测试56-61
• 4.4.1 Apache 简介56-57
• 4.4.2 Apache 服务器的安装57-58
• 4.4.3 Apache 模块定义58-59
• 4.4.4 实验配置59-60
• 4.4.5 测试响应时间60-61
• 4.5 实验效果分析61-62
• 第5章 总结与展望62-63
• 参考文献63-66
• 致谢66-67
• 个人简历67

【参考文献】

中国期刊全文数据库 前8条

1 张沫;陈基漓;阮百尧;;Web日志挖掘中数据预处理技术的研究[J];计算机与数字工程;2007年09期

2 贺玲;吴玲达;蔡益朝;;数据挖掘中的聚类算法综述[J];计算机应用研究;2007年01期

3 潘宇;林鸿飞;杨志豪;;基于用户聚类的电子商务推荐系统[J];计算机应用与软件;2008年04期

4 韦相;;基于隐马尔可夫模型的Web用户访问序列挖掘[J];红河学院学报;2013年02期

5 何洁;;基于Web使用数据挖掘的个性化推荐系统设计[J];数字技术与应用;2012年07期

6 曾姣艳;;Web挖掘的关联规则优化算法[J];三明学院学报;2013年02期

7 王涛伟;杨爱民;;加权关联规则研究及其在个性化推荐系统中的应用[J];郑州大学学报(理学版);2007年02期

8 杨静;;电子商务个性化推荐系统的构建[J];现代计算机(专业版);2012年28期

本文编号：622046