基于CF的个性化电子商务推荐系统研究

论文摘要

随着互联网技术的发展,网络用户剧增。电子商务也越来越受到企业和消费者的青睐。电子商务推荐技术作为电子商务中的重要技术,模仿销售员向客户推荐客户偏好度较高的产品。如何提高电子商务推荐系统的推荐质量,目前已成为专家学者们研究的热点。本文将数据仓库技术应用到电子商务体系构建中,介绍了web环境下进行会话识别、客户识别、路径辨别、数据清理、数据集成、数据装载等技术,为电子商务数据挖掘提供规范的数据。同时本文在关联规则、协同过滤等技术的基础上设计了个性化的推荐系统。根据客户特点,将客户进行分类,并根据客户不同的分类,采取不同的模式挖掘算法。提出基于内容的跟踪树算法、基于关联规则的协同过滤,并引入分区的理念,为客户提供个性化的服务,从而提高电子商务推荐系统的推荐质量。最后,对算法进行了分析。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题的背景和意义
• 1.1.1 电子商务的发展现状
• 1.1.2 数据仓库在电子商务应用的必要性
• 1.1.3 数据挖掘在电子商务应用的必要性
• 1.2 电子商务推荐系统研究现状
• 1.3 创新点及组织结构
• 1.3.1 主要创新点
• 1.3.2 论文组织结构
• 第二章 数据仓库技术
• 2.1 基于电子商务的数据仓库系统模型
• 2.2 电子商务数据挖掘的数据源
• 2.2.1 数据来源
• 2.2.2 数据源分类
• 2.2.3 原始数据处理
• 2.2.4 数据集成、数据装载与多维数据模型构建
• 2.2.5 数据仓库的管理与维护
• 2.3 本章小结
• 第三章 数据挖掘技术
• 3.1 数据挖掘概述
• 3.2 数据挖掘在电子商务中的应用
• 3.3 电子商务推荐系统概述
• 3.3.1 电子商务推荐系统的定义
• 3.3.2 电子商务推荐系统的数据源
• 3.3.3 电子商务推荐系统的推荐表现形式
• 3.4 电子商务推荐技术
• 3.4.1 信息检索
• 3.4.2 关联规则
• 3.4.3 协同过滤
• 3.5 本章小结
• 第四章 基于CF的个性化的电子商务推荐系统
• 4.1 个性化的电子商务推荐系统的提出
• 4.2 个性化的电子商务推荐系统的系统结构
• 4.3 电子商务推荐系统个性化设计
• 4.3.1 面向客户的模式挖掘
• 4.3.2 面向客户的协同过滤
• 4.4 实验设计与结果分析
• 4.4.1 电子商务推荐系统评价标准
• 4.4.2 电子商务推荐系统评价实验设计
• 4.4.3 实验数据集选取
• 4.4.4 实验运行环境
• 4.4.5 实验结果及分析
• 4.5 本章小结
• 第五章:总结与展望
• 5.1 工作总结
• 5.2 工作展望
• 参考文献
• 在读期间研究成果
• 致谢