基于协同过滤的图书销售与推荐系统

发布时间：2017-10-27 04:23

  本文关键词：基于协同过滤的图书销售与推荐系统

  更多相关文章： 电子商务 协同过滤 推荐系统 数据挖掘 MVC

【摘要】：个性化商品推荐已经成为电子商务的重要构成部分。个性化推荐可以极大的增加网上商店的成交概率,也可以方便用户的购买行为。本文将介绍一个机遇协同过滤的图书销售和推荐系统。本文首先介绍了本项目的选题背景和选题目标。电子商务已经深刻地改变了人们的生活方式和商业的经营模式。电子商务系统在企业和普通用户之间构建起了一道方便的沟通桥梁。用户可以通过网上购物系统轻松地购买到自己想要的东西。经营者也可以通过电子商务系统方便的将商品销售出去。本文,设计开发了一套基于协同过滤的图书销售和推荐系统。在引言部分,本文还系统的介绍了与课题相关的研究成果。其中包括电子商务系统、推荐系统、数据挖掘技术和信息系统等方面的研究成果。针对项目的基本功能,本文做了详细的需求分析。本系统从整体上分为两个部分,一部分为面向普通顾客的前端功能,第二部分是面向管理员的后端功能。前端功能需要具备个人基本信息管理功能、个性化商品推荐功能、购物车管理功能、订单功能以及用户反馈功能等。后端功能面向管理员开放,需要具备商品管理功能、特价商品管理功能、订单管理功能、用户管理功能以及超级管理员功能。在需求分析的成果基础之上,本课题进行了系统详细设计和关键算法研究。在详细设计中,进行了各个功能模块的数据流图设计,从逻辑上理顺了各个功能模块的运行流程。在详细设计阶段,还进行了数据表结构的设计工作。对每一个数据表,进行了详细的介绍。在关键技术研究部分,本文详细研究了一种应用于本课题的基于协同过滤的图书推荐算法。该图书推荐算法应用了数据挖掘技术,充分应用了大规模用户的群体智慧。在系统开发和部署阶段,本文先介绍了系统总体程序架构,本项目采用了MVC程序架构,将视图层、模型层和控制层严格分离开来。这样可以极大的提升系统的稳定性、可靠性和可扩展性。随后介绍了系统的部署方法,本系统采用My SQL作为数据库服务器,Tomcat作为应用服务器。在论文的最后,对全文做了详细的总结。并分析了本系统目前存在的一些问题,并指出未来改进提升的方向。着重强调了移动互联网的重要性,未来的系统将专门开发针对移动客户端的APP。
【关键词】：电子商务 协同过滤 推荐系统 数据挖掘 MVC
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 引言9-16
• 1.1 选题9-10
• 1.1.1 选题背景9
• 1.1.2 选题目标9-10
• 1.2 研究综述10-15
• 1.2.1 电子商务系统10-12
• 1.2.2 推荐系统12-13
• 1.2.3 数据挖掘13-14
• 1.2.4 信息系统14-15
• 1.3 本章小结15-16
• 第2章 需求分析16-23
• 2.1 总体功能结构16
• 2.2 前端功能16-19
• 2.2.1 个人信息管理功能17
• 2.2.2 个性化首页功能17
• 2.2.3 购物车管理17-18
• 2.2.4 订单管理18
• 2.2.5 用户反馈18-19
• 2.3 后端功能19-22
• 2.3.1 商品管理19-20
• 2.3.2 特价商品管理20
• 2.3.3 订单管理20-21
• 2.3.4 用户管理21
• 2.3.5 超级管理员21-22
• 2.4 本章小结22-23
• 第3章 详细设计与关键算法研究23-36
• 3.1 模块设计23-26
• 3.1.1 整体角色设计23-24
• 3.1.2 用户注册登录模块24
• 3.1.3 购物车管理等用户操作模块24-25
• 3.1.4 后端功能主模块25-26
• 3.2 数据库设计26-33
• 3.2.1 数据库ER图设计26-29
• 3.2.2 数据库表设计29-33
• 3.3 协同过滤关键技术研究33-35
• 3.4 本章小结35-36
• 第4章 系统开发与部署36-44
• 4.0 程序架构设计36-37
• 4.1 功能实现37-42
• 4.1.1 顾客登录注册模块38-39
• 4.1.2 商品检索推荐模块39-40
• 4.1.3 购物车管理模块40-41
• 4.1.4 管理员登录模块41-42
• 4.1.5 管理员会员管理等模块42
• 4.2 系统部署42-43
• 4.3 本章小结43-44
• 第5章 结论与展望44-46
• 5.1 结论44-45
• 5.2 展望45
• 5.3 本章小结45-46
• 参考文献46-50
• 致谢50

【相似文献】

中国期刊全文数据库 前10条

1 杨风召;;一种基于特征表的协同过滤算法[J];计算机工程与应用;2007年06期

2 王岚;翟正军;;基于时间加权的协同过滤算法[J];计算机应用;2007年09期

3 曾子明;张李义;;基于多属性决策和协同过滤的智能导购系统[J];武汉大学学报(工学版);2008年02期

4 张富国;;用户多兴趣下基于信任的协同过滤算法研究[J];小型微型计算机系统;2008年08期

5 侯翠琴;焦李成;张文革;;一种压缩稀疏用户评分矩阵的协同过滤算法[J];西安电子科技大学学报;2009年04期

6 廖新考;;基于用户特征和项目属性的混合协同过滤推荐[J];福建电脑;2010年07期

7 沈磊;周一民;李舟军;;基于心理学模型的协同过滤推荐方法[J];计算机工程;2010年20期

8 徐红;彭黎;郭艾寅;徐云剑;;基于用户多兴趣的协同过滤策略改进研究[J];计算机技术与发展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合协同过滤算法[J];微计算机信息;2011年11期

10 郑婕;鲍海琴;;基于协同过滤推荐技术的个性化网络教学平台研究[J];科技风;2012年06期

中国重要会议论文全文数据库 前10条

1 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

2 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

3 董全德;;基于双信息源的协同过滤算法研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

4 张光卫;康建初;李鹤松;刘常昱;李德毅;;面向场景的协同过滤推荐算法[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

5 李建国;姚良超;汤庸;郭欢;;基于认知度的协同过滤推荐算法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

6 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

7 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

8 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

9 罗喜军;王韬丞;杜小勇;刘红岩;何军;;基于类别的推荐——一种解决协同推荐中冷启动问题的方法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

10 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年

中国博士学位论文全文数据库 前10条

1 纪科;融合上下文信息的混合协同过滤推荐算法研究[D];北京交通大学;2016年

2 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年

3 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年

4 罗恒;基于协同过滤视角的受限玻尔兹曼机研究[D];上海交通大学;2011年

5 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年

6 高e，

本文编号：1101900