本文關(guān)鍵詞：基于協(xié)同過濾推薦的葡萄酒電商平臺研究與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著電子商務(wù)的飛速發(fā)展,大型綜合類購物網(wǎng)站不斷壯大,各類細(xì)分領(lǐng)域購物網(wǎng)站也蓬勃式發(fā)展。葡萄酒電商領(lǐng)域受風(fēng)投關(guān)注不斷發(fā)力,競爭日趨激烈,問題也愈顯突出;隨著商品數(shù)量的不斷增加,用戶從成千上萬商品中找到自己喜好的商品越來越費(fèi)時費(fèi)力。因此,本文構(gòu)建了一個滿足當(dāng)前需求的葡萄酒電商平臺,通過發(fā)現(xiàn)用戶興趣為用戶進(jìn)行個性化推薦,提升用戶滿意度及網(wǎng)站競爭力。在個性化推薦技術(shù)中,協(xié)同過濾推薦算法廣泛用于電子商務(wù)領(lǐng)域,但算法還存在諸多問題,因此本文針對該算法展開了研究。本文詳細(xì)分析了基于用戶和基于項目的協(xié)同過濾算法,并對兩種算法優(yōu)缺點(diǎn)及存在的問題進(jìn)行比較,結(jié)合葡萄酒本身特性,選擇了基于用戶的協(xié)同過濾算法作為基礎(chǔ)進(jìn)行改進(jìn)。提出了融合項目屬性的協(xié)同過濾推薦算法,將傳統(tǒng)協(xié)同過濾算法中用戶項目評分與項目屬性相結(jié)合,在不增加用戶反饋評分基礎(chǔ)上,將用戶對項目粗粒度的評價轉(zhuǎn)換為細(xì)粒度的用戶對項目屬性值評價,后者相對前者在一定程度上降低了評分矩陣的稀疏度,且結(jié)構(gòu)更為穩(wěn)定。在此基礎(chǔ)上,計算用戶在不同屬性上的相似度,加權(quán)得到綜合相似度并預(yù)測評分。本文綜合考慮新項目加入時造成的冷啟動問題,將加權(quán)用戶相似度預(yù)測評分與項目屬性相似度預(yù)測評分相結(jié)合為用戶進(jìn)行混合推薦。最后,通過爬蟲程序獲取某酒類銷售網(wǎng)站葡萄酒屬性、用戶評價數(shù)據(jù),整理得到實驗數(shù)據(jù)集。通過實驗選擇有效的用戶相似性計算方法,并驗證本文提出的算法的有效性。設(shè)計了一款以葡萄酒銷售為主的電商網(wǎng)站,構(gòu)建了滿足當(dāng)前業(yè)務(wù)需求的網(wǎng)站技術(shù)架構(gòu),實現(xiàn)了完備的前臺服務(wù)與后臺管理功能。針對網(wǎng)站需求定位具有區(qū)域性特點(diǎn),實現(xiàn)了某市一卡通“刮刮卡”支付方式,并接入了公共代繳費(fèi)功能,提高用戶對網(wǎng)站的忠誠度。
【關(guān)鍵詞】：葡萄酒電商平臺 協(xié)同過濾 項目屬性評分 加權(quán)相似度
【學(xué)位授予單位】：江西師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.3;TP393.092
【目錄】：

• 摘要3-4
• Abstract4-8
• 1 引言8-12
• 1.1 研究背景及意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-10
• 1.3 本文主要工作10
• 1.4 論文組織結(jié)構(gòu)10-12
• 2 理論基礎(chǔ)及軟件技術(shù)12-17
• 2.1 理論基礎(chǔ)12-15
• 2.2 軟件技術(shù)15-16
• 2.3 本章小結(jié)16-17
• 3 協(xié)同過濾推薦算法17-24
• 3.1 協(xié)同過濾算法工作原理和流程17-18
• 3.2 基于內(nèi)存的協(xié)同過濾推薦算法18-22
• 3.2.1 基于用戶的協(xié)同過濾算法19-20
• 3.2.2 基于項目的協(xié)同過濾算法20-21
• 3.2.3 基于用戶和基于項目的協(xié)同過濾算法比較21-22
• 3.3 協(xié)同過濾推薦算法所面臨的問題22-23
• 3.4 本章小結(jié)23-24
• 4 融合項目屬性的協(xié)同過濾推薦算法24-36
• 4.1 算法基本思想24-25
• 4.1.1 算法基本假設(shè)24
• 4.1.2 算法基本流程24-25
• 4.2 融合項目屬性的協(xié)同過濾推薦模型25-30
• 4.2.1 用戶-項目屬性值評分矩陣25-28
• 4.2.2 基于用戶-項目屬性評分偏好預(yù)測28
• 4.2.3 加權(quán)預(yù)測評分28-30
• 4.3 數(shù)據(jù)集30-31
• 4.4 實驗設(shè)計31-32
• 4.5 實驗結(jié)果與分析32-35
• 4.5.1 數(shù)據(jù)集分析32-33
• 4.5.2 三種用戶相似度計算模型的比較33-34
• 4.5.3 融合項目屬性的協(xié)同過濾與其他方法比較34-35
• 4.5.4 實驗結(jié)果總結(jié)35
• 4.6 本章小結(jié)35-36
• 5 系統(tǒng)設(shè)計與實現(xiàn)36-48
• 5.1 系統(tǒng)總體設(shè)計36-40
• 5.1.1 網(wǎng)站架構(gòu)設(shè)計36-38
• 5.1.2 系統(tǒng)核心模塊38-40
• 5.1.3 數(shù)據(jù)庫設(shè)計40
• 5.2 支付系統(tǒng)40-44
• 5.2.1 支付系統(tǒng)通訊流程40-41
• 5.2.2 一卡通“刮刮卡”支付41-43
• 5.2.3 公共代繳費(fèi)43-44
• 5.3 通用模塊設(shè)計及數(shù)據(jù)加密44-46
• 5.3.1 通用模塊設(shè)計44-46
• 5.3.2 數(shù)據(jù)加密46
• 5.4 系統(tǒng)購物流程及界面46-47
• 5.5 本章小結(jié)47-48
• 6 總結(jié)和展望48-50
• 6.1 總結(jié)48
• 6.2 展望48-50
• 參考文獻(xiàn)50-53
• 致謝53-54
• 在讀期間公開發(fā)表論文（著）及科研情況54

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊風(fēng)召;;一種基于特征表的協(xié)同過濾算法[J];計算機(jī)工程與應(yīng)用;2007年06期

2 王嵐;翟正軍;;基于時間加權(quán)的協(xié)同過濾算法[J];計算機(jī)應(yīng)用;2007年09期

3 曾子明;張李義;;基于多屬性決策和協(xié)同過濾的智能導(dǎo)購系統(tǒng)[J];武漢大學(xué)學(xué)報(工學(xué)版);2008年02期

4 張富國;;用戶多興趣下基于信任的協(xié)同過濾算法研究[J];小型微型計算機(jī)系統(tǒng);2008年08期

5 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評分矩陣的協(xié)同過濾算法[J];西安電子科技大學(xué)學(xué)報;2009年04期

6 廖新考;;基于用戶特征和項目屬性的混合協(xié)同過濾推薦[J];福建電腦;2010年07期

7 沈磊;周一民;李舟軍;;基于心理學(xué)模型的協(xié)同過濾推薦方法[J];計算機(jī)工程;2010年20期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過濾策略改進(jìn)研究[J];計算機(jī)技術(shù)與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過濾算法[J];微計算機(jī)信息;2011年11期

10 鄭婕;鮑海琴;;基于協(xié)同過濾推薦技術(shù)的個性化網(wǎng)絡(luò)教學(xué)平臺研究[J];科技風(fēng);2012年06期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學(xué)的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯一[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 紀(jì)科;融合上下文信息的混合協(xié)同過濾推薦算法研究[D];北京交通大學(xué);2016年

2 程殿虎;基于協(xié)同過濾的社會網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國海洋大學(xué);2015年

3 于程遠(yuǎn);基于QoS的Web服務(wù)推薦技術(shù)研究[D];上海交通大學(xué);2015年

4 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學(xué);2009年

5 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D];大連理工大學(xué);2008年

6 羅恒;基于協(xié)同過濾視角的受限玻爾茲曼機(jī)研究[D];上海交通大學(xué);2011年

7 薛福亮;電子商務(wù)協(xié)同過濾推薦質(zhì)量影響因素及其改進(jìn)機(jī)制研究[D];天津大學(xué);2012年

8 高e，

本文編號：296369