發(fā)布時間：2017-03-30 10:14

  本文關鍵詞：面向旅游電子商務的數(shù)據(jù)挖掘研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著經(jīng)濟的蓬勃發(fā)展，人們的生活水平不斷提高，旅游業(yè)也得到了前所未有的發(fā)展，旅游電子商務應運而生。旅游商家之間的競爭日益激烈，如何整合資源，為旅游者提供滿意的服務，從而形成穩(wěn)定的客源成為商家競爭的熱點。如今旅游商家面臨的一個共同的問題就是旅游電子商務系統(tǒng)收集了大量的數(shù)據(jù)，卻沒有得到真正有價值的信息。把數(shù)據(jù)挖掘技術應用到旅游電子商務，，通過對相關數(shù)據(jù)的挖掘，進而為旅游者提供個性化的服務成為旅游服務商家提升自身競爭力的有效方式。 本文首先介紹了旅游電子商務相關概念、存在的問題及發(fā)展方向。并分析了在旅游電子商務推薦系統(tǒng)中所使用的相關技術。詳細的介紹了個性化推薦系統(tǒng)中常用的幾種推薦算法。 本文主要研究了旅游電子商務個性化推薦系統(tǒng)及數(shù)據(jù)挖掘在推薦中的應用。本文在研究個性化推薦技術的基礎上，構(gòu)建了一個旅游電子商務個性化推薦方法，即先聚類后關聯(lián)規(guī)則挖掘的方法。利用用戶的瀏覽行為數(shù)據(jù)建立用戶-產(chǎn)品興趣度矩陣，然后利用聚類方法對用戶進行聚類分析，在同一類用戶的事務數(shù)據(jù)庫中進行關聯(lián)規(guī)則挖掘，然后在線對關聯(lián)規(guī)則進行過濾，將結(jié)果推薦給用戶。 針對旅游電子商務數(shù)據(jù)異構(gòu)問題，用戶對產(chǎn)品的評分值不容易得到、用戶-產(chǎn)品評價信息不足的情況下，提出了運用用戶-產(chǎn)品興趣度矩陣來代替用戶-產(chǎn)品評價矩陣的方法，同時提出了用戶-興趣度矩陣模型的創(chuàng)建方法，從而解決了用戶-產(chǎn)品評價信息不足情況下的推薦問題。 改進了關聯(lián)規(guī)則挖掘算法。針對傳統(tǒng)關聯(lián)規(guī)則挖掘算法挖掘效率低的情況，提出了一種新的挖掘關聯(lián)規(guī)則頻繁項目集的方法，該方法基于分解事務矩陣，減少了項集比較次數(shù)，避免了重復掃描數(shù)據(jù)庫的缺點，通過實驗證明，改進算法能有效提高頻繁項挖掘效率。
【關鍵詞】：旅游電子商務 數(shù)據(jù)挖掘 推薦系統(tǒng) 關聯(lián)規(guī)則
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP311.13
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 研究背景10-11
• 1.2 研究目的與意義11-12
• 1.3 國內(nèi)外研究現(xiàn)狀12-14
• 1.4 研究內(nèi)容14
• 1.5 論文結(jié)構(gòu)14-16
• 第二章 相關技術及理論介紹16-32
• 2.1 旅游電子商務16-20
• 2.1.1 旅游電子商務定義及其特點16-17
• 2.1.2 旅游電子商務的分類17-18
• 2.1.3 旅游電子商務的 SWOT 分析18-20
• 2.2 數(shù)據(jù)挖掘20-23
• 2.2.1 數(shù)據(jù)挖掘的定義20
• 2.2.2 數(shù)據(jù)挖掘的功能20-21
• 2.2.3 數(shù)據(jù)挖掘的過程21-22
• 2.2.4 數(shù)據(jù)挖掘在旅游電子商務中的應用22-23
• 2.3 電子商務個性化推薦系統(tǒng)概述23-26
• 2.3.1 個性化推薦系統(tǒng)概念24
• 2.3.2 個性化推薦系統(tǒng)作用24-25
• 2.3.3 個性化推薦系統(tǒng)的研究內(nèi)容25-26
• 2.4 個性化推薦技術分類及優(yōu)缺點26-29
• 2.4.1 基于內(nèi)容過濾的推薦26-27
• 2.4.2 基于關聯(lián)規(guī)則的推薦27-28
• 2.4.3 基于協(xié)同過濾的推薦28-29
• 2.4.4 混合推薦的技術29
• 2.5 協(xié)同過濾推薦技術29-31
• 2.5.1 相關概念29-30
• 2.5.2 基于用戶的協(xié)同過濾推薦算法30-31
• 2.5.3 基于項目的協(xié)同過濾推薦算法31
• 2.6 本章小結(jié)31-32
• 第三章 基于用戶興趣度矩陣進行聚類32-40
• 3.1 旅游電子商務個性化推薦主要研究內(nèi)容32-33
• 3.1.1 旅游電子商務個性化推薦面臨的問題32
• 3.1.2 旅游電子商務個性化推薦流程32-33
• 3.2 目前的用戶聚類算法33-36
• 3.2.1 聚類分析定義33-34
• 3.2.2 主要聚類算法34-36
• 3.2.3 目前用戶聚類用到的數(shù)據(jù)結(jié)構(gòu)36
• 3.3 利用用戶興趣度來建立數(shù)據(jù)矩陣36-39
• 3.3.1 收集用戶興趣的方式37
• 3.3.2 建立用戶-產(chǎn)品的興趣度矩陣37-39
• 3.4 本章小結(jié)39-40
• 第四章 關聯(lián)規(guī)則挖掘及其改進40-48
• 4.1 基本概念與解決方法40-41
• 4.2 經(jīng)典關聯(lián)規(guī)則挖掘算法41-42
• 4.2.1 Apriori 算法41
• 4.2.2 FP-growth 算法41-42
• 4.3 改進的關聯(lián)規(guī)則挖掘算法42-46
• 4.3.1 分解事務矩陣構(gòu)造方法43-44
• 4.3.2 頻繁 2 項目集的生成方法44
• 4.3.3 由頻繁 k -1 項目集生成頻繁 k 項目集的方法44-46
• 4.4 實驗分析46-47
• 4.5 本章小結(jié)47-48
• 第五章 旅游電子商務個性化推薦系統(tǒng)設計48-51
• 5.1 數(shù)據(jù)收集模塊48-49
• 5.2 推薦模塊49-50
• 5.2.1 離線推薦模塊49-50
• 5.2.2 在線推薦模塊50
• 5.3 輸出模塊50
• 5.4 本章小結(jié)50-51
• 第六章 總結(jié)與展望51-53
• 參考文獻53-58
• 致謝58-59
• 詳細摘要59-61

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王麗雯;理解客戶關系管理——談客戶關系管理的戰(zhàn)略意義[J];商業(yè)研究;2003年05期

2 劉芳;林拉;;旅游電子商務系統(tǒng)中個性化信息服務功能的設計研究[J];電腦知識與技術;2009年22期

3 羅建華;陳建科;;基于旅游電子商務中數(shù)據(jù)挖掘應用的研究[J];電子商務;2011年08期

4 劉其飛;胡宏濤;;數(shù)據(jù)挖掘在電子商務中的應用研究[J];計算機光盤軟件與應用;2012年03期

5 常睿;;Apriori算法的一種改進方法[J];計算機光盤軟件與應用;2012年19期

6 周德仿;論中國旅游電子商務的發(fā)展[J];湖北師范學院學報(哲學社會科學版);2004年02期

7 譚瓊;李曉黎;史忠植;;一種實現(xiàn)搜索引擎?zhèn)�性化服務的方法[J];計算機科學;2002年01期

8 曾波;;一種基于單事務項集組合的頻繁項集挖掘算法[J];計算機科學;2008年01期

9 陳志敏;李志強;;基于用戶特征和項目屬性的協(xié)同過濾推薦算法[J];計算機應用;2011年07期

10 吳顏;沈潔;顧天竺;陳曉紅;李慧;張舒;;協(xié)同過濾推薦系統(tǒng)中數(shù)據(jù)稀疏問題的解決[J];計算機應用研究;2007年06期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 郁雪;基于協(xié)同過濾技術的推薦方法研究[D];天津大學;2009年

  本文關鍵詞：面向旅游電子商務的數(shù)據(jù)挖掘研究，由筆耕文化傳播整理發(fā)布。

本文編號：276863