基于模糊聚类的智能推荐系统的研究与实现

论文摘要

随着Internet的普及和电子商务的盛行,广大用户能够足不出户就能找到符合自己需要的商品。电子商务的发展一方面方便了人们的生活,人们不再受地域的限制,可以很方便的买到远隔万里的商品,给消费者提供了更便利、更广泛的选择；但同时另一方面,由于这种选择的广泛性,我们很容易陷入信息的海洋,而出现了信息过载的问题。面对纷繁复杂的信息,用户找到真正需要的商品变成一件非常困难的事情。在这种情况下,智能推荐技术的出现有效的解决了这一问题,它通过数据挖掘的方法,分析目标用户的需求,将用户最可能购买的商品提供给用户。减少了用户寻找所需商品的时间,也给电子商务网站提供了更多的销量。本文系统地概述了智能推荐系统定义、组成、工作流程,并介绍了几种常见的推荐技术。在此基础上实现了一个基于机票查询验真服务的酒店智能推荐系统。该系统将一般对象属性分为了基本的三个类别,对不同类别的属性,使用不同的方法进行相异度计算；并使用改进的聚类方法对对象进行聚类分析,加快了算法的收敛速度,保证了系统的响应时间；然后采用混合推荐技术,从用户和项目两方面进行分析处理,更加有效的利用了用户和项目的属性信息为用户提供个性化的酒店推荐服务。这个系统更有效的利用了用户和商品的属性信息以及用户和商品之间的关系信息,提供了更准确、更能符合用户需求的酒店推荐。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景及意义
• 1.2 国内外研究现状
• 1.3 论文主要研究内容
• 1.4 论文组织结构
• 2 智能推荐系统概述
• 2.1 智能推荐系统定义
• 2.2 智能推荐技术
• 2.2.1 基于内容的智能推荐
• 2.2.2 基于协同过滤的智能推荐
• 2.2.3 基于人口统计的智能推荐
• 2.2.4 基于效用的智能推荐
• 2.2.5 基于知识的智能推荐
• 2.2.6 混合智能推荐
• 2.3 智能推荐系统组成
• 2.3.1 输入模块
• 2.3.2 推荐方法模块
• 2.3.3 输出模块
• 2.4 推荐系统的框架结构和流程
• 2.4.1 推荐系统的组成框架
• 2.4.2 推荐系统的工作流程
• 3 基于模糊聚类的推荐算法
• 3.1 模糊聚类概述
• 3.2 模糊聚类的过程
• 3.2.1 数据标准化
• 3.2.2 建立相似矩阵
• 3.2.3 模糊聚类
• 3.3 基于模糊聚类推荐算法的原理
• 3.3.1 基于模糊聚类推荐算法的研究现状
• 3.3.2 基于模糊聚类推荐的流程
• 4 系统的设计与研究
• 4.1 确定用户和项目的属性矩阵
• 4.1.1 标称型属性变量
• 4.1.2 区间型属性变量
• 4.1.3 二元变量
• 4.2 基于属性分类的相异度计算
• 4.2.1 标称型属性的相异度
• 4.2.2 区间型属性的相异度
• 4.2.3 对称型二元变量的相异度
• 4.2.4 对象相异度计算
• 4.3 建立模糊聚类
• 4.3.1 模糊聚类算法
• 4.3.2 改进的FCM算法
• 4.3.3 建立模糊聚类
• 4.4 混合智能推荐
• 5 系统实现与分析
• 5.1 系统模块设计
• 5.2 平台和开发工具
• 5.3 系统测试
• 5.3.1 测试数据选取
• 5.3.2 测试评价指标
• 5.3.3 测试结果
• 5.4 系统分析
• 5.5 系统运行结果
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢