本文關(guān)鍵詞：協(xié)同過濾推薦模型及其在汽車電子商務(wù)中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】： 隨著Internet和信息技術(shù)的飛速發(fā)展,電子商務(wù)個性化推薦作為一種嶄新的智能信息服務(wù)方式,針對不同的用戶,通過對用戶個性、習(xí)慣、偏好的分析,準(zhǔn)確地向用戶提供感興趣的信息和服務(wù),滿足用戶對于個性化產(chǎn)品需求的同時,提高了企業(yè)的競爭能力,得到了廣泛重視。 在大眾消費能力逐漸提高、選擇產(chǎn)品變得更為精細(xì)的今天,汽車作為日常生活中越來越普及的交通工具,人們對其個性化的需求越來越大。由于汽車配置屬性參數(shù)繁多,其用戶群體更需要個性化推薦服務(wù)幫助其進(jìn)行購買決策,個性化推薦系統(tǒng)成為解決這一問題的有效工具。 本文在借鑒國內(nèi)外研究成果的基礎(chǔ)上,通過分析汽車電子商務(wù)的特點,對協(xié)同過濾推薦算法及其在汽車電子商務(wù)中的應(yīng)用進(jìn)行了研究,主要工作包括： (1)分別從汽車銷售商和用戶的角度,分析汽車電子商務(wù)個性化推薦服務(wù)的重要性,并對電子商務(wù)個性化推薦系統(tǒng)的組成結(jié)構(gòu)和整體框架,以及主要的推薦技術(shù)進(jìn)行了比較、分析。 (2)針對傳統(tǒng)協(xié)同過濾推薦算法評分?jǐn)?shù)據(jù)稀疏性和冷開始問題,采用基于屬性值偏好矩陣的協(xié)同過濾算法,通過對矩陣的降維以及構(gòu)建屬性值偏好矩陣進(jìn)行相似性度量,有效緩解稀疏性；同時建立用戶反饋機(jī)制,降低冷啟動問題的發(fā)生概率。 (3)將上述協(xié)同過濾算法應(yīng)用到汽車電子商務(wù)的個性化推薦服務(wù)中,構(gòu)造了汽車電子商務(wù)推薦系統(tǒng)模型,設(shè)計開發(fā)了原型系統(tǒng),提供了實際應(yīng)用的基礎(chǔ)。
【關(guān)鍵詞】：電子商務(wù) 個性化推薦系統(tǒng) 協(xié)同過濾算法 屬性值偏好分析
【學(xué)位授予單位】：天津師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2010
【分類號】：F713.36;F416.471;F224
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 引言9-16
• 1.1 研究背景及研究意義9-10
• 1.1.1 研究背景9-10
• 1.1.2 研究意義10
• 1.2 國內(nèi)外研究進(jìn)展及動態(tài)10-15
• 1.2.1 汽車電子商務(wù)的發(fā)展現(xiàn)狀10-12
• 1.2.2 推薦技術(shù)的研究現(xiàn)狀12-14
• 1.2.3 協(xié)同過濾技術(shù)的研究現(xiàn)狀14-15
• 1.3 創(chuàng)新之處與文章的結(jié)構(gòu)安排15-16
• 第二章 電子商務(wù)個性化推薦系統(tǒng)16-26
• 2.1 電子商務(wù)個性化推薦系統(tǒng)綜述16-21
• 2.1.1 電子商務(wù)個性化推薦系統(tǒng)概念16-17
• 2.1.2 電子商務(wù)個性化推薦系統(tǒng)的作用17
• 2.1.3 電子商務(wù)個性化推薦系統(tǒng)構(gòu)成17-18
• 2.1.4 電子商務(wù)個性化推薦系統(tǒng)的分類18-20
• 2.1.5 電子商務(wù)個性化推薦系統(tǒng)的整體框架20-21
• 2.2 電子商務(wù)個性化推薦系統(tǒng)的相關(guān)技術(shù)21-23
• 2.2.1 協(xié)同過濾推薦21
• 2.2.2 基于規(guī)則的推薦21-22
• 2.2.3 基于內(nèi)容的推薦22
• 2.2.4 基于用戶人口統(tǒng)計信息的推薦22-23
• 2.2.5 基于效用的推薦23
• 2.2.6 基于知識的推薦23
• 2.3 各種推薦技術(shù)特點比較23-26
• 第三章 協(xié)同過濾推薦系統(tǒng)26-34
• 3.1 協(xié)同過濾的概念26
• 3.2 協(xié)同過濾系統(tǒng)的原理26-29
• 3.2.1 協(xié)同過濾推薦系統(tǒng)的數(shù)據(jù)輸入與輸出28
• 3.2.2 協(xié)同過濾推薦系統(tǒng)的輸出28-29
• 3.3 協(xié)同過濾算法29-34
• 3.3.1 User-based協(xié)同過濾推薦算法29-32
• 3.3.2 Item-based協(xié)同過濾推薦算法32-34
• 第四章 基于屬性值偏好矩陣的協(xié)同過濾算法在汽車電子商務(wù)中的應(yīng)用34-45
• 4.1 傳統(tǒng)協(xié)同過濾推薦算法存在的主要問題34-35
• 4.1.1 評分?jǐn)?shù)據(jù)的稀疏性(Sparsity)問題34
• 4.1.2 冷開始(Cold-start)問題34-35
• 4.2 基于屬性值偏好矩陣的協(xié)同過濾算法35-38
• 4.2.1 算法提出的原因35-36
• 4.2.2 算法的基本思路36-37
• 4.2.3 緩解數(shù)據(jù)稀疏性和冷開始問題的方法37-38
• 4.3 改進(jìn)算法在汽車電子商務(wù)推薦模型中的應(yīng)用38-45
• 4.3.1 汽車信息模型39-40
• 4.3.2 用戶信息模型40
• 4.3.3 數(shù)據(jù)處理40-41
• 4.3.4 推薦過程41-45
• 第五章 汽車電子商務(wù)個性化推薦系統(tǒng)的設(shè)計45-59
• 5.1 應(yīng)用背景及系統(tǒng)設(shè)計思路45-46
• 5.1.1 應(yīng)用背景45-46
• 5.1.2 系統(tǒng)的設(shè)計思路46
• 5.2 推薦系統(tǒng)的模型構(gòu)建46-49
• 5.2.1 推薦功能概述47
• 5.2.2 系統(tǒng)模塊劃分47-49
• 5.3 數(shù)據(jù)管理49-51
• 5.3.1 用戶信息數(shù)據(jù)庫50
• 5.3.2 汽車信息數(shù)據(jù)庫50-51
• 5.3.3 評分?jǐn)?shù)據(jù)庫51
• 5.4 推薦系統(tǒng)的設(shè)計51-54
• 5.5 屬性值偏好矩陣的部分代碼54-57
• 5.6 推薦系統(tǒng)功能示例57-59
• 第六章 結(jié)論與展望59-61
• 6.1 本文主要內(nèi)容的總結(jié)59
• 6.2 未來展望59-61
• 參考文獻(xiàn)61-64
• 致謝64-65
• 攻讀碩士學(xué)位期間發(fā)表的論文65

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前9條

1 王衛(wèi)平;吳倫;;協(xié)同過濾在CRM交叉銷售中的應(yīng)用研究[J];管理學(xué)報;2007年04期

2 黎星星,黃小琴,朱慶生;電子商務(wù)推薦系統(tǒng)研究[J];計算機(jī)工程與科學(xué);2004年05期

3 趙立江,何欽銘;一種個性化Web推薦系統(tǒng)的研究與實現(xiàn)[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2004年05期

4 陳小華;趙捧未;;基于關(guān)聯(lián)規(guī)則的個性化信息檢索系統(tǒng)研究[J];情報科學(xué);2006年06期

5 馮翱,劉斌,盧增祥,路海明,王普,李衍達(dá);Open Bookmark——基于Agent的信息過濾系統(tǒng)[J];清華大學(xué)學(xué)報(自然科學(xué)版);2001年03期

6 何軍,周明天;信息網(wǎng)絡(luò)中的信息過濾技術(shù)[J];系統(tǒng)工程與電子技術(shù);2001年11期

7 楊喬林;Internet上的電子商務(wù)[J];計算機(jī)系統(tǒng)應(yīng)用;1998年11期

8 黃巧莉,劉勝,劉飛;網(wǎng)絡(luò)化銷售和定制個性化信息推薦系統(tǒng)研究及應(yīng)用[J];現(xiàn)代制造工程;2005年08期

9 鄧愛林,左子葉,朱揚勇;基于項目聚類的協(xié)同過濾推薦算法[J];小型微型計算機(jī)系統(tǒng);2004年09期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 孫小華;協(xié)同過濾系統(tǒng)的稀疏性與冷啟動問題研究[D];浙江大學(xué);2005年

  本文關(guān)鍵詞：協(xié)同過濾推薦模型及其在汽車電子商務(wù)中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：289188