Web挖掘技术在电子商务推荐系统中的研究与应用

论文摘要

二十世纪以来,网络逐步深入至千家万户,同时也带动了新的商务技术——电子商务的发展,该系统为用户能够引导用户进行选择,便利的购买所需要的商品。但由于商品种类的增多,用户经常会难于从巨量的商品目录中准确找出自身所需要的商品。推荐系统就是为解决此类问题而产生的,它能够直接跟踪用户行为,探寻用户的需要,像商场的销售人员那样主动为顾客介绍商品,并根据探知到的其兴趣爱好进行推荐,从而促使顾客购买。在商品竞争日趋激烈的环境下,商品的推荐系统能帮助销售商成功的吸引客户、减少客户流失,促进企业的销售力及竞争力的提升。推荐系统的这一特点,受到了诸多研究者的关注,这一系统的开发和利用,将推动电子商务领域大规模向前发展。电子商务系统针对不同的用户利用推荐系统的知识发现技术,依据产品和服务作出个性化推荐。极大地满足了用户对于产品信息强化的需求,对企业加强电子商务的竞争力是极为可行的。目前,虽然电子商务中的商品推荐系统在诸多学者的研究下取得了丰富的研究成果,但仍远远不能满足电子商务市场日益扩大的需要。针对商品推荐系统所面临的主要挑战,本文集中对电子商务推荐系统进行了以下三个方面的探索和研究。1.阐述Web挖掘和推荐系统的一些基本概念和基础知识,对推荐系统工作流程中的数据清洗进行了研究,并对数据清洗模块进行了设计与实现。2.当前的聚类算法,大多数都不具备随着用户浏览行为的改变而动态调整的能力。本文在aiNet聚类算法的基础上,针对当前增量聚类算法存在的问题,将人工免疫系统的特点与蚁群增量聚类算法的思想相结合,提出了基于人工免疫增量的聚类算法。同时,本文对提出的算法进行了实验。经过实验验证,基于人工免疫增量的聚类算法在平均类内误差和算法执行时间等方面均体现出良好的性能。3.在基于人工免疫增量的聚类算法基础上,设计了基于Web挖掘的电子商务推荐系统模型。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景
• 1.2 国内外研究现状
• 1.3 电子商务推荐系统面临的主要挑战
• 1.4 本文的研究内容和工作
• 1.5 论文章节介绍
• 第2章 Web挖掘与电子商务推荐系统
• 2.1 Web挖掘简介
• 2.1.1 Web挖掘特点
• 2.1.2 Web挖掘在推荐系统应用方面的优势
• 2.2 Web挖掘分类
• 2.2.1 Web内容挖掘
• 2.2.2 Web结构挖掘
• 2.2.3 Web使用挖掘
• 2.3 电子商务推荐系统构成
• 2.4 电子商务推荐系统分类
• 2.4.1 基于聚类分析的电子商务推荐系统
• 2.4.2 基于规则的电子商务推荐系统
• 2.5 电子商务推荐系统工作流程
• 第3章 数据清洗设计与实现
• 3.1 数据清洗概述
• 3.2 数据清洗设计
• 3.2.1 去除文档中的格式标记
• 3.2.2 过滤非法字符和字母大小写转换
• 3.2.3 词干化处理
• 3.2.4 中文分词处理
• 3.3 数据清洗实现
• 第4章 基于人工免疫增量的聚类推荐算法
• 4.1 聚类算法的相关概念
• 4.2 aiNet聚类算法
• 4.3 增量式人工免疫聚类算法的研究
• 4.3.1 增量式人工免疫聚类算法的基本原理
• 4.3.2 算法思想
• 4.3.3 主要公式说明
• 4.3.4 算法定义
• 4.3.5 算法描述
• 4.3.6 算法主要代码
• 4.4 算法实验
• 4.4.1 实验数据集
• 4.4.2 实验结果和分析
• 第5章 推荐系统的模型设计
• 5.1 Web挖掘系统总体模型
• 5.1.1 数据采集
• 5.1.2 数据处理
• 5.1.3 数据存储
• 5.1.4 模式发现
• 5.1.5 模式分析利用
• 5.1.6 用户模块
• 5.2 Web挖掘系统实现模型
• 5.3 数据结构
• 5.4 数据预处理模块
• 5.5 聚类分析模块
• 5.6 推荐系数计算模块
• 5.7 显示模块
• 第6章 总结与展望
• 6.1 本文的主要工作
• 6.2 不足之处
• 6.3 前景展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文及参与项目情况