关联规则挖掘在电子商务推荐系统中的应用研究

发布时间：2017-08-04 23:02

  本文关键词：关联规则挖掘在电子商务推荐系统中的应用研究

  更多相关文章： 个性化推荐 关联规则 概念层次 演化规则

【摘要】：互联网的普及和电子商务的迅速发展造成了信息的过载,用户在海量的产品信息中难以查找到所需要的产品。因此,如何在海量的产品信息中快速有效地查找到所需的商品成为当前电子商务发展的突出问题,电子商务推荐系统便应运而生。但是当前的电子商务推荐系统在实际运用中还相当不成熟,存在数据的稀疏性、系统扩展性差及精确性低等问题,使推荐效果不突出,并未能充分满足用户的需求。 电子商务推荐系统在理论和实践中都得到了很大发展。关联规则推荐技术是当前在电子商务推荐系统中应用较为成功的个性化推荐技术。但在实际应用中,该技术存在发现关联规则难和所得的关联规则呈现静态的问题。本文针对这些问题,引入概念层次和建立演化规则集的新思路对其进行改进,并设计了一个基于演化规则集的推荐模型。 为了更好地研究个性化推荐系统,本文将网上服装店这一领域作为基于演化规则集推荐模型的具体应用背景,利用Myeclipse7.0平台实现这个推荐模型。最后,使用命中率评价标准对该系统进行实验测试,实验结果表明该推荐模型在推荐结果的准确度方面有了明显的提高。
【关键词】：个性化推荐 关联规则 概念层次 演化规则
【学位授予单位】：暨南大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TP311.13
【目录】：

• 摘要4-5
• Abstract5-6
• 目录6-7
• 1 绪论7-11
• 1.1 研究背景7
• 1.2 研究意义7-8
• 1.3 国内外研究现状8-9
• 1.4 论文研究内容9-10
• 1.5 论文组织结构10
• 1.6 本章小结10-11
• 2 相关理论与技术介绍11-22
• 2.1 电子商务推荐系统的概述与结构11-15
• 2.2 电子商务推荐技术15-18
• 2.3 当前常用的推荐策略18-19
• 2.4 关联规则技术19-20
• 2.5 概念层次20-21
• 2.6 本章小结21-22
• 3 基于演化规则集的推荐模型22-29
• 3.1 规则推荐技术存在的问题22-23
• 3.2 改进的思路23-26
• 3.3 Top-N推荐策略的产生26-28
• 3.4 本章小结28-29
• 4 基于演化规则推荐系统的设计与实现29-42
• 4.1 系统开发工具和平台29
• 4.2 安都推荐系统体系结构设计29-31
• 4.3 安都数据预处理模块31-37
• 4.4 安都推荐模块设计37-38
• 4.5 系统实现与测试38-41
• 4.6 本章小结41-42
• 5 系统推荐结果分析42-46
• 5.1 实验数据42-43
• 5.2 实验评价标准43
• 5.3 实验方案43-44
• 5.4 实验结果及分析44-45
• 5.5 本章小结45-46
• 6 总结与展望46-48
• 6.1 本文总结46-47
• 6.2 进一步工作47-48
• 参考文献48-51
• 致谢51-52
• 攻读硕士学位期间已发表的论文52

【引证文献】

中国硕士学位论文全文数据库 前2条

1 龚勇龙;基于关联规则的多样化推荐技术应用研究[D];暨南大学;2012年

2 王颖;基于关联规则的电子商务个性化推荐模型研究[D];东北财经大学;2012年

，

本文编号：622091