学位论文 > 优秀研究生学位论文题录展示

基于数据挖掘的电子商务个性化推荐算法的研究及应用

作　者: 何志敏
导　师: 陈梅
学　校: 贵州大学
专　业: 计算机技术
关键词: 电子商务 Web数据挖掘推荐系统协同过滤用户偏好
分类号: TP311.13
类　型: 硕士论文
年　份: 2009年
下　载: 161次
引　用: 2次
阅　读: 论文下载

内容摘要

互联网的普及和电子商务的迅速发展造成了信息的过载,用户在大量的产品信息中难以找到需要的商品,因此电子商务推荐系统应运而生。但当前的电子商务推荐系统在实际运用中还相当不成熟,仍然存在许多问题,如推荐质量受到稀疏用户评价数据的严重影响、对非注册用户的推荐效果不佳等。论文针对当前推荐系统中存在的主要问题,对电子商务个性化推荐系统中的推荐策略和推荐算法等关键技术进行了分析和研究。本文首先对电子商务推荐技术的相关理论进行了介绍,选取了基于Web数据挖掘的电子商务推荐系统体系结构,该结构分为离线挖掘和在线推荐两部分,并对两个模块的功能、构造以及算法的实现进行了分析。针对离线挖掘模块中运用到的传统的协同过滤推荐算法存在的影响推荐质量的稀疏性问题和影响用户兴趣的显式评分问题,设计了一种基于用户偏好的隐式协同过滤算法(UPCF)。最后,对论文提出的UPCF算法进行了仿真实验,经过实验验证,基于用户偏好的隐式协同过滤改进算法在数据稀疏性等方面均优于传统算法。

全文目录

目录  3-5
摘要  5-6
ABSTRACT  6-7
第一章绪论  7-13
  1.1 背景及意义  7-9
    1.1.1 电子商务与传统商务  7
    1.1.2 电子商务在中国的发展  7-8
    1.1.3 研究电子商务个性化推荐系统的意义  8-9
  1.2 研究现状及不足  9-11
    1.2.1 国内外研究现状  9-10
    1.2.2 电子商务推荐系统中的不足  10-11
  1.3 本文工作  11-12
  1.4 论文结构  12-13
第二章电子商务推荐系统中的相关技术  13-30
  2.1 数据挖掘  13-16
  2.2 WEB数据挖掘  16-18
    2.2.1 web数据挖掘的应用  16
    2.2.2 传统数据挖掘与web数据挖掘的区别  16-17
    2.2.3 web数据挖掘特点  17
    2.2.4 数据源  17-18
  2.3 WEB数据挖掘种类  18-22
    2.3.1 基于内容的WEB数据挖掘  19-20
    2.3.2 基于使用的web数据挖掘  20-22
    2.3.3 基于结构的web数据挖掘  22
  2.4 电子商务推荐系统常用技术  22-29
    2.4.1 推荐系统现状  23
    2.4.2 电子商务推荐系统分类  23-25
    2.4.3 电子商务推荐常用技术  25-26
    2.4.4 协同过滤算法  26-28
    2.4.5 关联规则推荐算法  28-29
  2.5 小结  29-30
第三章电子商务推荐系统体系结构  30-43
  3.1 电子商务推荐系统的构成  30-31
  3.2 在线推荐模块  31-32
  3.3 离线挖掘模块  32-42
    3.3.1 数据来源  32
    3.3.2 数据前期处理  32-38
    3.3.3 事务文件数据处理  38
    3.3.4 推荐模式挖掘  38-42
  3.4 小结  42-43
第四章基于用户偏好的隐式协同过滤算法  43-59
  4.1 算法设计  43-44
  4.2 算法步骤  44-48
  4.3 实验设计与结果分析  48-58
    4.3.1 实验设计  48-57
    4.3.2 结果分析  57-58
  4.4 小结  58-59
第五章结束语  59-60
致谢  60-61
参考文献  61-64
附录  64-65

基于数据挖掘的电子商务个性化推荐算法的研究及应用

内容摘要

全文目录

相似论文