电子商务智能推荐技术及应用研究

电子商务智能推荐技术及应用研究

论文摘要

互联网应用的普及,在推动了电子商务迅速发展的同时,也造成了信息的过载。作为电子商务的一种重要工具,推荐系统帮助消费者在海量的商品信息中得到有价值的购买建议,并相应地提高了销售业绩,因此在电子商务中具有良好的应用前景。然而,当前的电子商务推荐系统面临许多问题,例如,推荐质量受到稀疏的用户评价数据的严重影响,系统的可扩展性能差;推荐缺乏多样性,无法涵盖用户的完整兴趣等。本文针对这些问题,对电子商务个性化推荐系统中的推荐技术和体系结构等关键技术进行了有益的探索和研究。论文首先全面探讨了电子商务个性化推荐系统,包括系统的构成、功能、输入输出的表现形式,研究的内容和常用的推荐方法;接着对推荐系统所使用的多种智能化的推荐技术进行了分类讨论,包括协同过滤技术,信息过滤技术、数据挖掘技术、Horting图等和混合推荐技术,分析归纳了各种推荐技术的优点与不足之处,在现有的混合推荐技术上提出了一种基于用户兴趣聚类的协同过滤推荐改进技术;然后通过对用户显性兴趣和隐型兴趣的相似项进行聚类,选择与目标项相似性最高的若干个聚类作为查询目标项的最近邻居;再对改进的推荐技术的有效性进行了实验验证,结果表明基于用户兴趣聚类的推荐技术有效解决了用户评分较少而造成推荐困难的问题,显示出比传统的推荐方法更好的推荐质量和扩展性;最后在此推荐技术的基础上,对图书智能化推荐系统做了设计和实现。本文在电子商务智能推荐技术方面进行了探讨和研究,所开发的图书智能化推荐系统获得了较高的推荐质量和用户满意度,对电子商务智能化信息服务的发展具有一定的参考价值。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 问题的提出及研究意义
  • 1.1.1 问题的提出
  • 1.1.2 研究的意义
  • 1.2 国内外研究现状
  • 1.2.1 个性化推荐系统研究现状
  • 1.2.2 推荐技术的研究现状
  • 1.3 研究的目的和研究内容
  • 1.3.1 研究目的
  • 1.3.2 研究内容
  • 2 电子商务个性化推荐系统
  • 2.1 电子商务个性化推荐系统的表现形式及功能
  • 2.1.1 推荐系统的界面表现形式
  • 2.1.2 推荐系统的功能
  • 2.2 电子商务个性化推荐系统的构成
  • 2.2.1 输入模块
  • 2.2.2 推荐方法模块
  • 2.2.3 输出模块
  • 2.3 电子商务个性化推荐系统的总体框架及流程
  • 2.4 电子商务个性化推荐系统的研究内容
  • 2.5 推荐系统采用相关技术
  • 2.6 电子商务推荐系统实例研究
  • 2.6.1 亚马逊书店
  • 2.6.2 易趣网
  • 2.7 本章小结
  • 3 电子商务智能推荐技术
  • 3.1 推荐技术
  • 3.1.1 被动式推荐
  • 3.1.2 主动式推荐
  • 3.1.3 推荐技术评价标准
  • 3.2 个性化推荐技术
  • 3.2.1 基于规则的推荐
  • 3.2.2 基于效用的推荐
  • 3.2.3 基于知识的推荐
  • 3.2.4 基于人口统计信息的推荐
  • 3.2.5 基于内容的推荐
  • 3.2.6 协同过滤
  • 3.3 电子商务推荐技术的比较
  • 3.4 组合推荐技术
  • 3.5 本章小结
  • 4 基于用户兴趣聚类的协同过滤[微软用户技术
  • 4.1 基于用户兴趣聚类的协同过滤技术的提出
  • 4.2 推荐技术框架
  • 4.3 推荐技术的功能模块
  • 4.3.1 数据预处理模块
  • 4.3.2 用户兴趣类模块
  • 4.3.3 用户潜在偏好计算模块
  • 4.3.4 最近邻形成模块
  • 4.3.5 预测推荐模块
  • 4.4 实验设计
  • 4.4.1 实验数据集
  • 4.4.2 实验环境
  • 4.4.3 度量标准
  • 4.5 实验结果及分析
  • 4.6 本章小结
  • 5 图书智能化推荐系统设计
  • 5.1 系统模型
  • 5.2 系统模型功能模块
  • 5.2.1 系统功能概述
  • 5.2.2 系统模块划分与流程分析
  • 5.3 推荐系统规划与设计
  • 5.3.1 图书基本信息表
  • 5.3.2 图书特征属性表
  • 5.3.3 属性信息表
  • 5.3.4 用户基本信息
  • 5.3.5 用户兴趣特征表
  • 5.3.6 图书评分表
  • 5.3.7 图书相似度信息表
  • 5.3.8 用户预测评分表
  • 5.4 推荐系统界面设计
  • 5.5 推荐系统试运行结果分析
  • 5.6 系统扩展
  • 5.7 本章小结
  • 6 结论与展望
  • 6.1 主要结论
  • 6.2 未来展望
  • 致谢
  • 参考文献
  • 附录
  • A. 作者在攻读硕士学位期间发表的论文目录
  • 相关论文文献

    • [1].基于项目协同过滤的电视产品营销推荐模型[J]. 科技资讯 2019(32)
    • [2].协同过滤推荐算法及其在电子商城中的应用[J]. 电脑与电信 2020(Z1)
    • [3].改进的协同过滤算法在商品推荐中的应用[J]. 电子技术与软件工程 2020(04)
    • [4].一种基于协同过滤推荐的大学生学业预警系统[J]. 软件 2020(05)
    • [5].基于协同过滤推荐系统优化地图软件路线推荐[J]. 计算机产品与流通 2020(09)
    • [6].基于内容的推荐与协同过滤融合的新闻推荐分析与探究[J]. 新闻研究导刊 2018(13)
    • [7].基于隐式反馈的协同过滤算法研究综述[J]. 福建电脑 2018(11)
    • [8].协同过滤推荐瓶颈问题研究[J]. 无线互联科技 2016(09)
    • [9].基于本体的协同过滤信息推送算法研究[J]. 沈阳理工大学学报 2020(01)
    • [10].基于特征降维和精确欧式局部敏感哈希的协同过滤推荐算法研究[J]. 无线互联科技 2020(12)
    • [11].基于协同过滤的多维度电影推荐方法研究[J]. 长春理工大学学报(自然科学版) 2019(02)
    • [12].基于时间因子的协同过滤算法研究[J]. 电脑知识与技术 2019(09)
    • [13].基于标签扩展的协同过滤算法在音乐推荐中的应用[J]. 软件导刊 2018(01)
    • [14].一种基于加权因子的混合协同过滤算法[J]. 电脑知识与技术 2018(09)
    • [15].改进的协同过滤算法在电影推荐系统中的应用[J]. 现代商贸工业 2018(17)
    • [16].基于项目属性分类的协同过滤算法研究[J]. 吉林大学学报(信息科学版) 2018(04)
    • [17].基于协同过滤的个性化选课推荐与评论系统[J]. 信息记录材料 2018(10)
    • [18].基于项目评分预测的混合式协同过滤推荐[J]. 现代图书情报技术 2015(06)
    • [19].改进的单类协同过滤推荐方法[J]. 计算机科学与探索 2014(10)
    • [20].基于协同过滤推荐技术的个性化网络教学平台研究[J]. 科技风 2012(06)
    • [21].基于用户相似性传递的协同过滤推荐方法[J]. 河南大学学报(自然科学版) 2019(01)
    • [22].基于协同过滤库仑力相似度的图书推荐[J]. 嘉兴学院学报 2019(06)
    • [23].特征聚类的混合协同过滤算法研究[J]. 中国计量大学学报 2018(01)
    • [24].一种模糊认知的协同过滤算法[J]. 计算机工程与科学 2018(05)
    • [25].自适应用户兴趣偏好的电子资源协同过滤推荐研究[J]. 情报探索 2018(09)
    • [26].基于用户的协同过滤算法的改进研究[J]. 软件 2017(04)
    • [27].基于协同过滤的个性化食材推荐算法研究[J]. 中国管理信息化 2017(07)
    • [28].基于复杂属性商品的混合协同过滤推荐模型[J]. 华东师范大学学报(自然科学版) 2017(05)
    • [29].基于云模型的指挥信息多重协同过滤算法研究[J]. 计算机科学 2017(S2)
    • [30].基于贝叶斯信念网络的协同过滤算法的研究[J]. 现代工业经济和信息化 2016(08)

    标签:;  ;  ;  

    电子商务智能推荐技术及应用研究
    下载Doc文档

    猜你喜欢