面向农产品的电子商务推荐系统Grecs的研究和实现

发布时间：2017-05-19 20:10

  本文关键词：面向农产品的电子商务推荐系统Grecs的研究和实现，由笔耕文化传播整理发布。

【摘要】：随着电子商务和智慧农业的兴起,越来越多的人开始使用农产品电商系统进行线上交易,推荐系统是电商平台的重要组成部分。目前各大电子商务平台都有其比较完善的商品推荐功能,然而确很少有针对农产品开发的推荐系统。本文改进了现有基于物品的协同过滤算法,并结合专家知识设计了Expert Item CF-Time Grade混合推荐算法,然后利用混合算法实现了Grecs推荐系统(Greenhouse Recommender System)。Grecs系统是基于物联网的智能温室蔬菜大棚系统中电子商务系统的重要组成部分,它主要用来为买家提供感兴趣的蔬菜、水果这样的农产品信息。本文主要工作内容有:第一,构建Grecs农产品电子商务系统。分析、研究并总结了当前已经存在电子商务推荐算法与推荐系统构建技术,然后利用基于SSH的服务器框架技术和J2EE开发平台构建了基于B/S的Grecs农产品网上交易平台。第二,研究并改进了现有基于物品的协同过滤算法。在现有的算法基础上加入时间因素和用户评分信息,构建了基于物品的Item CF-Time Grade协同过滤推荐算法。Item CF-Time Grade算法可以提供具有良好用户反馈的、物品更新更快的、基于物品相似度的推荐列表。第三,构建基于本体的专家系统。通过分析基于本体的专家系统设计方法,结合农产品的类别特性,设计和构建了基于本体的Greenhouse-Expert农产品专家系统。Greenhouse-Expert算法可以提供更为专业、精准的推荐结果,并很好的解决了推荐系统的冷启动问题。在构建了基于本体的Greenhouse-Expert农产品专家系统时本文提出了Expert Grecs专家系统构建方法,该方法将专家知识和推荐算法的思想结合了起来,方便了专家系统的构建。第四,混合上述两种算法并对算法进行评测。结合了上述两种算法的优点,得到最终的Expert Item CF-Time Grade混合推荐算法。接着在Grecs农产品电子商务系统的基础上实现Expert Item CF-Time Grade推荐算法,构建Grecs农产品推荐系统并进行了评测。在设计Expert Item CF-Time Grade算法时,使用了大量的Hash Map、Hash Set、Tree Set等数据结构,这样查询和插入数据的时间复杂度约为O(1)。基于以上情况,Grecs农产品推荐系统主要目的在于提高农产品的推荐准确率,加快农产品推荐算法的运行效率。在实现了上述要求后的推荐系统可以减少用户的购买成本,为用户带来更为精准的推荐列表,从而方便用户的使用。
【关键词】：推荐系统 协同过滤 本体专家系统 混合推荐
【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】：TP311.52;TP391.3
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-15
• 1.1 研究背景11
• 1.2 推荐系统研究意义以及目的11-12
• 1.3 推荐系统研究现状12-13
• 1.4 论文研究内容13
• 1.5 论文结构13-15
• 第2章 相关算法与相关技术架构15-19
• 2.1 推荐算法15-16
• 2.2 专家系统算法16-17
• 2.3 B/S架构技术17
• 2.4 SSH框架技术17-18
• 2.5 MySQL数据库技术18
• 2.6 J2EE开发平台18
• 2.7 JDK开发工具包和Eclipse开发平台18
• 2.8 本章小结18-19
• 第３章 Grecs推荐系统的需求与功能设计19-46
• 3.1 Grecs推荐系统需求分析19-24
• 3.1.1 Grecs推荐系统的背景19-20
• 3.1.2 Grecs推荐系统的设计目标20
• 3.1.3 Grecs推荐系统的可行性分析20-21
• 3.1.4 推荐系统功能性方面的需求21-23
• 3.1.5 推荐系统非功能性方面的需求23-24
• 3.2 Grecs推荐系统的设计24-44
• 3.2.1 Grecs推荐系统的开发和运行环境25
• 3.2.2 Grecs推荐系统的架构设计25-29
• 3.2.3 Grecs推荐系统的功能设计29-40
• 3.2.4 Grecs推荐系统的数据库设计40-44
• 3.3 本章小结44-46
• 第4章 推荐算法的改进与实现46-71
• 4.1 改进的基于物品的协同过滤推荐算法46-60
• 4.1.1 协同过滤算法概述46
• 4.1.2 基于物品的协同过滤算法构造与改进46-58
• 4.1.3 ItemCF-TimeGrade推荐算法总结58-60
• 4.2 面向农产品的专家系统60-69
• 4.2.1 面向农产品的专家系统概述60-69
• 4.3 混合推荐算法69
• 4.4 本章小结69-71
• 第5章 系统功能展示及推荐结果评测71-79
• 5.1 系统功能展示71-74
• 5.1.1 首页设计71-72
• 5.1.2 购物车界面72
• 5.1.3 添加商品界面72-73
• 5.1.4 用户订单界面73-74
• 5.1.5 推荐结果界面74
• 5.2 推荐评分预测74-78
• 5.3 本章小结78-79
• 第6章 总结与展望79-81
• 6.1 论文总结79
• 6.2 Grecs系统存在问题及展望79-81
• 参考文献81-84
• 作者简介及在学期间所取得的科研成果84-85
• 致谢85

【相似文献】

中国期刊全文数据库 前10条

1 米可菲;张勇;邢春晓;蔚欣;;面向大数据的开源推荐系统分析[J];计算机与数字工程;2013年10期

2 脱建勇;王嵩;李秀;刘文煌;;精品课共享中的推荐系统框架与实现[J];计算机工程与设计;2006年17期

3 苏冠贤;张丽霞;林丕源;刘吉平;;生物信息学推荐系统的设计与实现[J];计算机应用研究;2007年05期

4 王改芬;;推荐系统研究综述[J];软件导刊;2007年23期

5 叶群来;;营销与网络推荐系统[J];电子商务;2007年10期

6 李媚;;个性化网络学习资源推荐系统研究[J];福建电脑;2008年12期

7 潘冉;姜丽红;;基于经济学模型的推荐系统的研究[J];计算机应用与软件;2008年03期

8 刘鲁;任晓丽;;推荐系统研究进展及展望[J];信息系统学报;2008年01期

9 刘小燕;陈艳丽;贾宗璞;沈记全;;基于增强学习的旅行计划推荐系统[J];计算机工程;2010年21期

10 曹畋;;智能推荐系统在知识浏览领域的应用[J];硅谷;2011年21期

中国重要会议论文全文数据库 前8条

1 张燕;李燕萍;;基于内容分析和点击率记录的混合音乐推荐系统[A];2009年通信理论与信号处理学术年会论文集[C];2009年

2 赵欣;寇纲;邬文帅;卢艳群;;基于时间密集性的推荐系统攻击检测[A];第六届（2011）中国管理学年会论文摘要集[C];2011年

3 张玉连;张波;张敏;;改进的个性化信息推荐系统的设计与实现[A];2005年全国理论计算机科学学术年会论文集[C];2005年

4 王君;许洁萍;;层次音乐推荐系统的研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

5 潘宇;林鸿飞;杨志豪;;基于用户聚类的电子商务推荐系统[A];第三届学生计算语言学研讨会论文集[C];2006年

6 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[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

7 王国霞;刘贺平;李擎;;二部图影射及其在推荐系统中的应用[A];第25届中国控制与决策会议论文集[C];2013年

8 王雪;董爱华;吴怡之;;基于RFID技术的智能服装推荐系统设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

中国重要报纸全文数据库 前2条

1 ;大数据如何“落地”[N];中国新闻出版报;2014年

2 本报记者 邹大斌;大数据：电商新武器[N];计算机世界;2012年

中国博士学位论文全文数据库 前10条

1 周魏;推荐系统中基于目标项目分析的托攻击检测研究[D];重庆大学;2015年

2 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年

3 杨东辉;基于情感相似度的社会化推荐系统研究[D];哈尔滨工业大学;2014年

4 曹渝昆;基于神经网络和模糊逻辑的智能推荐系统研究[D];重庆大学;2006年

5 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年

6 刘龙;一个能实现个性化实时路径推荐服务的推荐系统框架[D];中国科学技术大学;2014年

7 李涛;推荐系统中若干关键问题研究[D];南京航空航天大学;2009年

8 刘士琛;面向推荐系统的关键问题研究及应用[D];中国科学技术大学;2014年

9 李方方;非独立同分布推荐系统研究[D];北京理工大学;2014年

10 李晓建;基于语义的个性化资源推荐系统中关键技术研究[D];武汉大学;2010年

中国硕士学位论文全文数据库 前10条

1 朱孔真;基于云计算的电子商务智能推荐系统研究[D];武汉理工大学;2014年

2 郭敬泽;基于赋权评分和Dpark的分布式推荐系统研究与实现[D];天津理工大学;2015年

3 周俊宇;信息推荐系统的研究与设计[D];江南大学;2015年

4 李炜;基于电子商务平台的保险推荐系统的设计与实现[D];复旦大学;2013年

5 车丰;基于排序主题模型的论文推荐系统[D];大连海事大学;2015年

6 秦大路;基于因式分解机模型的上下文感知推荐系统研究[D];郑州大学;2015年

7 徐霞婷;动态路网监控与导航推荐系统的设计与实现[D];苏州大学;2015年

8 黄学峰;基于Hadoop的电影推荐系统研究与实现[D];南京师范大学;2015年

9 路小瑞;基于Hadoop平台的职位推荐系统的设计与实现[D];上海交通大学;2015年

10 李爱宝;基于组合消费行为分析的团购推荐系统的设计与实现[D];哈尔滨工业大学;2015年

  本文关键词：面向农产品的电子商务推荐系统Grecs的研究和实现，由笔耕文化传播整理发布。

，

本文编号：379720