学位论文 > 优秀研究生学位论文题录展示
基于网上零售的智能电子商务系统的研究与设计
作 者: 任重
导 师: 崔宝侠;段勇
学 校: 沈阳工业大学
专 业: 系统工程
关键词: 推荐系统 信息过滤 人口统计信息 兴趣度向量模型 合作过滤
分类号: TP311.52
类 型: 硕士论文
年 份: 2009年
下 载: 189次
引 用: 1次
阅 读: 论文下载
内容摘要
推荐系统作为电子商务网站的一种重要的营销工具,使消费者在面对海量的商品信息时得到有价值的购买建议的同时,也提高了网站的销售业绩。随着网络与计算机技术的进步,电子商务推荐系统得到广泛的研究与发展,服务越来越智能化、个性化。同时随着电子商务规模的不断扩大,推荐系统也面临一系列挑战,本文针对推荐系统的算法设计、体系结构等关键技术进行了有益探索。首先,介绍了电子商务推荐系统的基本理论,包括产生的背景、概念、作用、输入输出的表现形式及常用的推荐方法,并总结了推荐系统研究领域的热点问题。其次,本文还对推荐系统所使用的多种个性化的推荐技术进行了分类介绍,包括信息过滤技术、数据挖掘技术、Horting图等其它技术,重点讨论了两种信息过滤技术,即内容过滤与合作过滤的涵义、各自的原理及算法分析,分别指出两种推荐技术的优点与不足之处,论述了在推荐电影、音乐等文化商品领域结合使用这两种技术的思想,以此作为本文研究的基本出发点。第三,针对数据稀疏性与推荐的实时性的技术难题,本文在传统的用户合作过滤推荐的基础上提出了基于兴趣度向量模型的用户合作推荐机制,以推荐电影项目为例讲解了该算法的基本原理和实现过程,采用MovieLens网站上提供的研究数据进行模拟推荐实验,经过对平均绝对偏差的对比分析,基于兴趣向量模型的推荐方法在一定程度上比传统合作过滤算法有更高的推荐精度。第四,在基于用户兴趣度模型的推荐方法基础上,合理地利用了用户的人口统计信息的参考价值,不仅使基于用户兴趣与合作的推荐方法的准确度进一步提高,还可以解决推荐系统中存在的新用户问题。最后,在上述研究工作的基础上给出基于用户兴趣与合作的个性化电子商务推荐系统运行的体系结构,合理地界定了系统适用的项目领域。本文的研究工作紧密围绕用户之间合作筛选信息这一出发点,巧妙地结合商品的内容特征及用户的人口统计特征,较好地克服了现有推荐系统存在的数据稀疏性、推荐的实时性和新用户问题。本文所研究的推荐系统适合于不易准确描述内容的文化类商品领域的推荐活动,可以作为大型推荐系统的子系统运行。
|
全文目录
摘要 5-7 Abstract 7-11 第一章 绪论 11-22 1.1 课题的背景及意义 11 1.2 电子商务推荐系统概述 11-19 1.2.1 电子商务推荐系统的构成 12-14 1.2.2 常用的推荐方法 14-15 1.2.3 电子商务推荐系统的框架结构 15-16 1.2.4 电子商务推荐系统的目标 16-18 1.2.5 电子商务推荐系统的研究内容 18-19 1.3 国内外研究现状 19-20 1.4 本文的主要研究工作和组织 20-22 第二章 电子商务中的个性化推荐技术 22-35 2.1 个性化推荐概述 22-23 2.1.1 可利用的数据和信息 22-23 2.1.2 推荐技术评价标准 23 2.2 常用推荐技术简介 23-27 2.2.1 信息过滤技术 23-25 2.2.2 数据挖掘技术 25-26 2.2.3 其他技术 26-27 2.3 内容过滤推荐技术 27-29 2.3.1 基于内容过滤推荐的涵义 27-29 2.3.2 内容过滤推荐的局限性 29 2.4 用户合作过滤 29-33 2.4.1 合作过滤简介 29-30 2.4.2 合作过滤推荐算法分析 30-32 2.4.3 合作过滤面临的挑战 32-33 2.5 两种过滤技术结合的优越性 33 2.6 小结 33-35 第三章 基于兴趣度向量模型的用户合作推荐方法 35-45 3.1 模型的建立 36-40 3.1.1 项目特征文件 36-37 3.1.2 用户兴趣度向量空间模型 37-39 3.1.3 用户邻居模型 39-40 3.2 基于兴趣度向量模型的推荐机制 40 3.3 实验设计与结果分析 40-43 3.3.1 实验数据 40-41 3.3.2 实验设计 41-42 3.3.3 实验结果与分析 42-43 3.4 小结 43-45 第四章 结合人口统计信息的推荐 45-51 4.1 人口统计信息 45-46 4.1.1 人口统计信息的内容 45 4.1.2 人口统计信息的利用价值 45-46 4.2 结合人口统计信息的推荐 46-47 4.2.1 人口统计信息参与推荐的途径 46 4.2.2 辅助基于用户兴趣度向量模型的推荐过程 46-47 4.3 实验结果与分析 47-50 4.4 小结 50-51 第五章 基于用户兴趣的推荐系统的基本框架 51-58 5.1 系统的体系结构 51-57 5.1.1 数据采集 52-54 5.1.2 离线数据预处理 54-56 5.1.3 在线推荐服务 56-57 5.2 对系统适用性的说明 57 5.3 小结 57-58 第六章 结论与展望 58-61 6.1 主要结论 58-59 6.2 未来展望 59-61 参考文献 61-65 在学研究成果 65-66 致谢 66
|
相似论文
- 基于自然遗忘的个性化推荐算法研究,TP311.52
- 基于策略Agent的个性化信息检索系统的研究与实现,TP391.3
- Web挖掘技术在电子商务推荐系统中的研究与应用,TP391.3
- 移动网络综合告警管理系统的设计与实现,TN929.5
- 基于C2C电子商务模式下商品推荐系统应用研究,F724.6
- 面向工程监理的多Agent信息智能检索机制研究,TP391.3
- 基于Web数据挖掘的智能推荐研究,TP391.3
- 基于协同过滤推荐算法电影网站的构建,TP393.092
- 主谓关系识别与主题相关性计算技术研究,TP391.1
- 基于会员制的个性化推荐系统的设计与实现,TP311.13
- 基于标签的协同过滤稀疏性问题研究,F713.36
- 基于用户兴趣的新闻个性化推荐系统的设计与实现,TP311.52
- 社会网络结构特征分析及应用研究,TP311.13
- 网络学习环境中社会导航效果的实验研究,G434
- 基于Web日志挖掘的个性化服务研究与应用,TP393.09
- 基于排列融合的组推荐系统研究与应用,TP391.3
- 基于云模型的协同过滤推荐算法的研究与应用,TP301.6
- 基于协同过滤算法的个性化推荐系统的研究,TP393.09
- Agent电子商务推荐系统下协同过滤技术研究,F713.36
- 个性化医疗信息推荐系统的研究与实现,R319
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机软件 > 程序设计、软件工程 > 软件工程 > 软件开发
© 2012 www.xueweilunwen.com
|