一种基于改进协同过滤的电子商务推荐系统的研究与实现

发布时间：2017-09-08 13:20

  本文关键词：一种基于改进协同过滤的电子商务推荐系统的研究与实现

  更多相关文章： 电子商务 个性化推荐 协同过滤 遗传算法 权值优化

【摘要】：随着电子商务近十年的高速发展,人们传统的消费观念也在不断地发生变化。在海量的网络资源和信息过载环境下,如何满足消费者的需求,使得用户在海量的信息中快速、准确地找到自己想要的商品,提高消费者的体验以及满意程度,进而提高用户忠实度,就显得尤为重要。推荐系统通过分析商品或者用户的信息,为用户提供针对性较强的个性化推荐,可以更好地发掘物品的长尾以发挥非热门商品潜在的巨大价值,因而成为数据挖掘的一个重要研究方向。针对影响用户兴趣的行为因素比较多、且每一种因素对兴趣的影响程度不一样的情况,本文在分析推荐系统及其常用算法的基础上,基于遗传算法和协同过滤对电子商务推荐系统进行研究与实现。本文的主要工作包括以下两个方面。首先,本文提出了利用遗传算法对用以提取用户兴趣的行为权值进行优化,并结合基于项目的协同过滤技术进行组合推荐的算法。由于顾客的加入购物车、购买、评分、搜索、收藏等行为所代表的用户对商品的兴趣程度是不一样的,因而给每个用户行为赋予一定的权重,以达到更加精准预测用户的兴趣度。本文利用遗传算法对这些行为权重进行了学习和优化,再利用这些权重对用户行为数据进行加权求和以提取用户兴趣,然后基于提取的用户兴趣与协同过滤算法进行组合推荐,通过这样的方式预测或评估用户的偏好,以实现更加精准的推荐。其次,对上述电子商务推荐系统进行了需求分析,对相关功能模块以及数据库等进行了总体设计,并利用MySQL、MyEclipse等工具以及jsp技术实现了上述电子商务推荐原型系统。
【关键词】：电子商务 个性化推荐 协同过滤 遗传算法 权值优化
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
【目录】：

• 摘要3-4
• Abstract4-7
• 第1章 绪论7-13
• 1.1 研究背景及意义7-9
• 1.2 推荐系统研究现状9-10
• 1.3 本文的主要研究内容10-11
• 1.4 论文的组织结构11-13
• 第2章 推荐系统及相关技术概述13-23
• 2.1 推荐系统的工作原理13-14
• 2.2 常用的电子商务推荐系统推荐方法14-20
• 2.2.1 常用推荐方法概述14-15
• 2.2.2 基于内容的推荐算法15-17
• 2.2.3 基于用户的协同过滤推荐算法17-18
• 2.2.4 基于项目的协同过滤推荐算法18-20
• 2.3 遗传算法简介20-21
• 2.3.1 遗传算法基本概念20
• 2.3.2 遗传算法运算过程20-21
• 2.4 本章小结21-23
• 第3章 基于用户加权行为兴趣提取的ItemCF推荐算法23-37
• 3.1 基于遗传算法的用户行为权重学习23-31
• 3.1.1 适应度函数的选择23-24
• 3.1.2 基于遗传算法的用户行为权值优化过程24-28
• 3.1.3 基于matlab的用户行为权值优化模拟计算28-31
• 3.2 基于用户加权行为兴趣提取和ItemCF的组合推荐算法31-36
• 3.3 本章小结36-37
• 第4章 基于ItemCF算法的电子商务推荐系统的设计及实现37-53
• 4.1 需求分析37-41
• 4.1.1 功能性和非功能性需求分析37-38
• 4.1.2 系统用例分析38-41
• 4.2 总体方案设计41-44
• 4.2.1 总体设计41-42
• 4.2.2 功能模块设计42-44
• 4.3 数据库设计44-47
• 4.3.1 数据库总体设计44-47
• 4.3.2 数据库系统分析47
• 4.4 电子商务推荐系统的实现47-51
• 4.4.1 系统实现平台47-48
• 4.4.2 系统运行测试48-51
• 4.5 本章小结51-53
• 第5章 总结与工作展望53-55
• 5.1 总结53-54
• 5.2 工作展望54-55
• 参考文献55-59
• 致谢59

，

本文编号：814253