發(fā)布時(shí)間：2017-10-15 11:23

  本文關(guān)鍵詞：基于多模型的移動(dòng)電子商務(wù)推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

  更多相關(guān)文章： 數(shù)據(jù)挖掘 電子商務(wù) 推薦系統(tǒng) 關(guān)聯(lián)分析 交叉銷售

【摘要】：隨著Internet的普及和應(yīng)用，電子商務(wù)因?yàn)槠涑杀镜土⒈憬�、快速、不受時(shí)間和空間的限制等優(yōu)點(diǎn)已在全球流行。電子商務(wù)在為用戶提供更多選擇的同時(shí)，其結(jié)構(gòu)也日益更加復(fù)雜。一方面，用戶面對(duì)大量的商品信息，很難快速找到自己真正需要的商品；另一方面，商家也無(wú)法與消費(fèi)者面對(duì)面的交流。個(gè)性化的電子商務(wù)推薦系統(tǒng)能根據(jù)用戶行為特征為用戶提供一對(duì)一的服務(wù)，快速幫助用戶找到所需的商品，從而順利完成購(gòu)物過(guò)程。商家通過(guò)推薦系統(tǒng)能提高電子商務(wù)系統(tǒng)銷售能力，保持與客戶的聯(lián)系，提高用戶忠誠(chéng)度和滿意度。 本文通過(guò)對(duì)當(dāng)前B2C網(wǎng)站的電子商務(wù)個(gè)性化推薦系統(tǒng)分析，提出一種B2C模式下的多模型推薦系統(tǒng)（MMRS）的設(shè)計(jì)及實(shí)現(xiàn)，該系統(tǒng)通過(guò)對(duì)用戶購(gòu)物歷史記錄、Wap元數(shù)據(jù)以及用戶注冊(cè)信息處理，運(yùn)用關(guān)聯(lián)、聚類的方法，最后給出商品的推薦結(jié)果。這種對(duì)不同用戶的多模型的推薦方案，即使新老用戶由于信息的不同，都能夠產(chǎn)生有效的推薦，，并能夠?qū)π庐a(chǎn)品產(chǎn)生推薦。文中在推薦算法上做了一定改良，最后利用同組同學(xué)的Wap電子商務(wù)網(wǎng)站測(cè)試數(shù)據(jù)，對(duì)MMRS系統(tǒng)進(jìn)行驗(yàn)證，發(fā)現(xiàn)改良后的算法能收到比較好的效果。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 電子商務(wù) 推薦系統(tǒng) 關(guān)聯(lián)分析 交叉銷售
【學(xué)位授予單位】：蘇州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TP311.13
【目錄】：

• 中文摘要4-5
• Abstract5-8
• 第一章 緒論8-15
• 1.1 研究背景與研究意義9-14
• 1.1.1 電子商務(wù)推薦系統(tǒng)概述9-10
• 1.1.2 電子商務(wù)推薦系統(tǒng)的技術(shù)標(biāo)準(zhǔn)10
• 1.1.3 推薦技術(shù)分類10-11
• 1.1.4 推薦結(jié)果的應(yīng)用11
• 1.1.5 主要的推薦算法11-12
• 1.1.6 商務(wù)推薦系統(tǒng)的研究熱點(diǎn)與難點(diǎn)12-14
• 1.2 本文研究?jī)?nèi)容14-15
• 第二章 相關(guān)理論基礎(chǔ)15-26
• 2.1 數(shù)據(jù)挖掘技術(shù)15-19
• 2.1.1 關(guān)聯(lián)規(guī)則挖掘15-17
• 2.1.2 聚類算法挖掘17-19
• 2.2 XML 介紹19-23
• 2.3 開(kāi)發(fā)環(huán)境23-26
• 2.3.1 Eclipse 3.2 + MyEclipse 5.523-24
• 2.3.2 JAVA24-25
• 2.3.3 SQL Server 200525-26
• 第三章 多模型推薦框架與關(guān)鍵推薦算法26-41
• 3.1 多模型推薦系統(tǒng)設(shè)計(jì)26-28
• 3.1.1 網(wǎng)站的數(shù)據(jù)流程分析26
• 3.1.2 多模型推薦系統(tǒng)設(shè)計(jì)框架26-28
• 3.2 推薦算法的研究與改進(jìn)28-30
• 3.2.1 Apriori 算法的研究與改進(jìn)28-29
• 3.2.2 Clique 算法的研究與改進(jìn)29-30
• 3.3 推薦算法實(shí)現(xiàn)30-38
• 3.3.1 Apriori 算法實(shí)現(xiàn)30-35
• 3.3.2 Clique 算法實(shí)現(xiàn)35-38
• 3.4 實(shí)驗(yàn)結(jié)果與分析38-41
• 3.4.1 關(guān)聯(lián)實(shí)驗(yàn)結(jié)果與分析38-39
• 3.4.2 聚類實(shí)驗(yàn)結(jié)果與分析39-41
• 第四章 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)41-46
• 4.1 系統(tǒng)需求分析41-42
• 4.2 推薦系統(tǒng)設(shè)計(jì)42
• 4.3 推薦系統(tǒng)工作流程42-43
• 4.4 系統(tǒng)與網(wǎng)站的整合43-44
• 4.5 系統(tǒng)實(shí)現(xiàn)44-46
• 第五章 總結(jié)與展望46-48
• 5.1 總結(jié)46
• 5.2 展望46-48
• 參考文獻(xiàn)48-49
• 攻讀碩士期間發(fā)表的論文49-50
• 致謝50-51

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 付淇;李正凡;;基于CLIQUE的聚類算法研究[J];華東交通大學(xué)學(xué)報(bào);2006年05期

2 劉勘,周曉崢,周洞汝;一種基于排序子空間的高維聚類算法及其可視化研究[J];計(jì)算機(jī)研究與發(fā)展;2003年10期

3 黃光球,靳峰,彭緒友;基于興趣度的協(xié)同過(guò)濾商品推薦系統(tǒng)模型[J];微電子學(xué)與計(jì)算機(jī);2005年03期

4 劉旭東;;個(gè)性化網(wǎng)頁(yè)推薦系統(tǒng)在電子商務(wù)中的設(shè)計(jì)與應(yīng)用[J];煙臺(tái)職業(yè)學(xué)院學(xué)報(bào);2008年04期

本文編號(hào)：1036836