电子商务推荐系统的关联聚类协同过滤算法研究

发布时间：2017-09-22 07:46

  本文关键词：电子商务推荐系统的关联聚类协同过滤算法研究

  更多相关文章： 数据挖掘 推荐系统 关联规则 协同过滤

【摘要】：随着互联网技术的革新,电子商务也随着迅猛发展,网上购物已经成为一种新的购物形式。伴随着电子商务的发展,网上商品的种类也日益繁多,电子商务系统结构日益复杂。在如此之多的商品中如果选取满意的商品就成为了一个值得关注的问题,买家选取满意的商品十分困难,卖家想在竞争激烈的电商中保留用户、提高在用户中的形象愈发困难。如何为不同的用户推荐其喜好的商品、如何提高卖家的信誉与形象已经成为电子商务研究的热点。本论文主要对关联聚类协同过滤算法以及电子商务推荐系统进行研究。首先,分析传统的协同过滤算法的缺陷,组合数据挖掘的关联规则算法与协同过滤算法,提出基于关联聚类的协同过滤推荐算法。算法首先把项目采用关联规则技术划分为不同的类别,然后把对该类别评价过的所有用户的评价信息映射到这些类别中,分析参数,形成聚类了的用户-项目矩阵。然后,在聚类内部使用协同过滤算法,形成商品推荐。然后,根据前面的分析设计,实现了关联聚类的协同过滤算法,并使用实验数据证明算法的有效性。同时,论文研究了电子商务推荐系统的模型,分析其工作流程,结合本系统的需求,参照软件开发过程与规范,对系统进行需求分析、业务描述、系统的架构设计和数据库设计,并将系统分为前台服务与后台管理两大模块。然后针对本系统的实现重点,对多场景推荐模块以及模式库创建模块进行了问题描述、模型设计以及实现,分别对前期设计的系统各个功能模块进行代码实现以及功能的测试。在关联聚类协同过滤算法基础上,本文的电子商务推荐系统根据用户的不同操作场景,利用关联规则、协同过滤推荐等技术对用户进行多场景的商品推荐。本文不但在理论上对数据挖掘、推荐技术进行一定的研究,同时对现实中的增加用户信誉度、增加卖家销售额等问题有一定指导作用。因此,本文所研究的课题具有一定的理论与实际意义。
【关键词】：数据挖掘 推荐系统 关联规则 协同过滤
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP311.13;TP391.3
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-15
• 1.1 研究背景10-11
• 1.2 国内外研究现状11-12
• 1.3 本文的研究内容12-13
• 1.4 本文的组织结构13-14
• 1.5 本章小结14-15
• 第2章 数据挖掘技术综述15-22
• 2.1 数据挖掘概述15-17
• 2.1.1 数据挖掘定义15
• 2.1.2 数据挖掘过程15-17
• 2.2 关联规则挖掘17-20
• 2.2.1 Apriori算法简介17-18
• 2.2.2 Apriori算法流程18-20
• 2.3 聚类挖掘20-21
• 2.3.1 K-Means算法20-21
• 2.4 本章小结21-22
• 第3章 相关推荐技术综述22-31
• 3.1 协同过滤推荐技术综述22-23
• 3.2 基于用户的协同过滤推荐技术23-28
• 3.2.1 数据表示25
• 3.2.2 用户相似性计算25-27
• 3.2.3 产生推荐27-28
• 3.3 基于项目的协同过滤推荐技术28-29
• 3.4 基于内容的推荐技术29-30
• 3.5 本章小结30-31
• 第4章 关联聚类协同过滤算法(ACCF)31-41
• 4.1 传统的协同过滤算法问题分析31-34
• 4.2 关联聚类的协同过滤算法34-37
• 4.2.1 提出依据34-35
• 4.2.2 算法设计35-37
• 4.3 实验结果与分析37-40
• 4.3.1 数据集37
• 4.3.2 评价标准37-38
• 4.3.3 实验结果分析38-40
• 4.4 本章小结40-41
• 第5章 基于ACCF的电子商务推荐系统实现41-68
• 5.1 电子商务推荐系统综述41
• 5.2 电子商务推荐系统的模型分析41-42
• 5.3 需求分析42-47
• 5.3.1 需求描述42-43
• 5.3.2 业务描述43-44
• 5.3.3 用例分析44-47
• 5.4 总体设计47-50
• 5.4.1 推荐系统架构设计47-49
• 5.4.2 包结构设计49-50
• 5.5 详细设计50-57
• 5.5.1 模块设计51-54
• 5.5.2 数据库设计54-57
• 5.6 多场景推荐模块设计57-66
• 5.7 本章小结66-68
• 第6章 总结与展望68-70
• 6.1 论文总结68
• 6.2 不足与展望68-70
• 参考文献70-74
• 致谢74

【参考文献】

中国期刊全文数据库 前1条

1 郝进义;;数据库设计规范及设计技巧研究[J];计算机光盘软件与应用;2012年12期

中国博士学位论文全文数据库 前2条

1 郁雪;基于协同过滤技术的推荐方法研究[D];天津大学;2009年

2 刘青文;基于协同过滤的推荐算法研究[D];中国科学技术大学;2013年

中国硕士学位论文全文数据库 前1条

1 杨帆;基于数据挖掘的电子商务个性化推荐技术研究[D];西安电子科技大学;2008年

，

本文编号：899619