学位论文 > 优秀研究生学位论文题录展示

基于离群数据挖掘的电子商务推荐系统研究

作　者: 魏翔
导　师: 夏火松
学　校: 武汉纺织大学
专　业: 管理科学与工程
关键词: 电子商务推荐系统 离群数据挖掘 Web挖掘 离群程度模型 协同过滤方法
分类号: TP311.13
类　型: 硕士论文
年　份: 2013年
下　载: 135次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着计算机与网络技术的高速发展，电子商务以其网络化、全球化、成本低廉、方便快捷、交易透明等优点逐步发展成为成熟的商业模式。为了能从电子商务平台的海量数据中挖掘潜在的、有价值的信息，将数据挖掘的技术方法应用到电子商务平台中就成为必然趋势。同时，以分析客户的个人偏好和消费习惯为途径向客户推荐商品信息的电子商务推荐系统也逐渐发展成为电子商务平台的一项重要功能。目前大多数推荐系统是以多数的相似的客户行为作为主要推荐依据，未对那些少数的却具有一定意义的偏离数据引起重视，因而不足以反映客户行为中潜在的有用信息，同时忽略了商家在经营或销售过程中的关键细节，导致客户所获得的推荐信息不够准确，最终影响客户的购买意愿和商家的销售业绩。针对这一管理问题，本文在以下几个方面做了研究和设计工作：对电子商务推荐系统的发展现状、主要理论与技术进行深入细致的研究，详细阐述了电子商务推荐系统未来的发展方向；在离群数据挖掘现有理论与技术的基础上，提出了面向Web环境的离群数据挖掘的主要内容，特别是面向电子商务的离群数据挖掘的现实意义和应用前景；设计了基于离群数据挖掘的电子商务推荐系统框架，同时建立了基于离群程度的电子商务推荐模型，并对模型进行了优化，最后通过Matlab编程对传统协同过滤方法和本文所设计的模型进行了实验分析与比较研究。实验发现，在基于传统协同过滤方法的三种相似度计算方法中，采用修正的余弦相似度的方法是最优的，对本文所设计的基于离群程度模型和基于优化的离群程度模型的实验结果及其比较分析表明，基于优化的离群程度模型具有较传统方法更优的推荐效果。从理论上来说，本次研究为电子商务推荐系统研发开拓了新思路，为离群数据挖掘及其技术提供了新导向；从管理实践的角度，基于优化离群程度模型的电子商务推荐系统能够为客户提供更准确的人性化信息，有效提高推荐质量，优化用户体验，从而促进消费行为，建立客户和商家之间的长期稳定关系，提高客户的满意度和忠诚度，为商家创造潜在效益。

全文目录


摘要  4-5
ABSTRACT  5-9
1 绪论  9-14
  1.1 研究背景与意义  9-11
    1.1.1 研究背景  9-10
    1.1.2 研究意义  10-11
  1.2 研究内容与方法  11-12
    1.2.1 研究内容  11
    1.2.2 研究方法  11
    1.2.3 技术路线  11-12
  1.3 研究创新点  12-13
  1.4 论文的组织结构  13-14
2 电子商务推荐系统及其技术研究  14-27
  2.1 电子商务推荐系统的现状分析  14-15
  2.2 电子商务推荐系统的主要理论  15-22
    2.2.1 电子商务推荐系统的主要作用  15-16
    2.2.2 电子商务推荐系统的技术方法  16-19
    2.2.3 电子商务推荐系统的应用类型  19-22
  2.3 基于协同过滤的推荐技术  22-25
  2.4 电子商务推荐系统的发展方向  25-27
3 面向 Web 环境的离群数据挖掘及其技术研究  27-44
  3.1 数据挖掘在 Web 环境中的应用  27-33
    3.1.1 数据挖掘在 Web 环境中应用的必要性  27
    3.1.2 Web 挖掘和传统数据挖掘的区别  27
    3.1.3 Web 挖掘的特点  27-28
    3.1.4 Web 挖掘的类型  28-33
  3.2 离群数据挖掘及其技术  33-41
    3.2.1 离群数据的概念  33-34
    3.2.2 离群数据挖掘的技术方法  34-38
    3.2.3 离群数据挖掘的研究热点  38-41
  3.3 面向 Web 环境的离群数据挖掘  41-44
4 基于离群数据挖掘的电子商务推荐系统设计  44-51
  4.1 电子商务推荐系统框架设计  44-46
    4.1.1 电子商务推荐系统总体结构设计  44-45
    4.1.2 离线模块结构设计  45
    4.1.3 在线模块结构设计  45-46
  4.2 基于离群数据挖掘的电子商务推荐模型  46-51
    4.2.1 模型建立  46-48
    4.2.2 过程设计  48
    4.2.3 模型补充与优化  48-51
5 实验分析  51-60
  5.1 实验设计  51-52
    5.1.1 数据来源  51-52
    5.1.2 实验环境  52
    5.1.3 评价标准  52
  5.3 结果与分析  52-60
    5.3.1 基于传统协同过滤方法的推荐  52-55
    5.3.2 基于离群程度模型的推荐  55-56
    5.3.3 基于优化的离群数据程度模型的推荐  56-60
6 总结与展望  60-62
  6.1 研究工作总结  60
  6.2 研究展望  60-62
致谢  62-63
参考文献  63-69
附录  69-76

相似论文

  1. 隐式用户兴趣挖掘的研究与实现,TP311.13
  2. 电子商务个性化推荐系统的研究,F713.36
  3. 基于Web挖掘技术研究及其在数字图书馆中的应用,G250.76
  4. 基于C2C电子商务模式下商品推荐系统应用研究,F724.6
  5. 基于特征向量的个性化推荐算法研究,TP391.3
  6. Agent电子商务推荐系统下协同过滤技术研究,F713.36
  7. 基于协同过滤推荐算法电影网站的构建,TP393.092
  8. 数据挖掘在电子商务推荐系统中的应用研究,TP311.13
  9. 基于模糊聚类的电子商务协同过滤推荐研究,TP391.3
  10. 基于数据挖掘技术的电子商务推荐系统研究,TP311.13
  11. E-Learning个性化系统的推荐策略研究——来自电子商务推荐系统的启示,TP391.6
  12. 电子商务中非频繁购买产品推荐策略研究,F713.36
  13. 谱聚类在离群数据挖掘中的应用研究,TP311.13
  14. 基于社会计算的电子商务协同过滤推荐算法研究,TP301.6
  15. 基于人工免疫算法的电子商务推荐系统的研究,TP181
  16. 电子商务推荐系统中用户聚类问题与用户兴趣变化问题研究,F224
  17. 基于信任模型的协同过滤推荐算法的研究,TP391.3
  18. 基于数据立方体和树结构的关联规则算法研究及其应用,TP311.13
  19. 基于聚类免疫算法的个性化推荐系统研究,TP319
  20. 基于用户聚类的项目多内容协同过滤推荐,TP311.52
  21. 协同过滤技术在电子商务个性化推荐系统中的研究与应用,TP311.52

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 > 程序设计 > 数据库理论与系统
© 2012 www.xueweilunwen.com