学位论文 > 优秀研究生学位论文题录展示

基于关联规则的电子商务个性化推荐模型研究

作　者: 王颖
导　师: 李洪心
学　校: 东北财经大学
专　业: 管理科学与工程
关键词: 个性化推荐 关联规则 概念层次树 FP增长算法
分类号: TP311.13
类　型: 硕士论文
年　份: 2012年
下　载: 110次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着互联网的不断普及和电子商务网站的快速发展,商品信息过载的问题变得愈发严峻。怎样使网站浏览者在面对大量的商品信息时快速有效地查找到其所需的商品,成为当前电子商务网站发展迫切需要解决的问题。电子商务推荐系统的出现为这些问题的解决提供了方法,但是目前已存在的一些电子商务推荐系统在实际运用中还存在着问题,推荐效率较低,有些还不能满足用户的个性化需求,因此,对于电子商务推荐系统和推荐技术的研究具有比较大的实用价值。推荐技术是电子商务推荐系统的研究重点,因为推荐技术的选取是否得当直接关系到推荐质量的优劣。当前国内外对于电子商务推荐技术的相关研究中,关联规则推荐技术是较为热门的,但在实际应用中,关联规则推荐技术也存在着一些问题,例如：发现关联规则难,在数据稀疏的情况下较难找到具体商品之间的强关联规则,算法在执行的过程中会产生大量的候选项集等,这些问题急需找到解决方法。本文针对关联规则推荐技术存在的上述问题,提出了一种关联规则推荐算法,即通过采用概念层次树与FP增长算法相结合的方法来进行关联规则挖掘,这种算法既可以解决数据稀疏以及商品具体概念繁多等问题,又在计算的过程中不会产生大量候选项目集,能够有效地克服Apriori算法的问题,在挖掘时间上有较大优势。作者使用NET平台C#语言实现了该算法,然后通过数据实验将该算法与Apriori算法以及单纯的FP增长算法进行了挖掘效率的对比,数据实验结果表明：结合概念层次树的FP增长算法相对于Apriori算法和单纯的FP增长算法来说同样具有正确性,并且挖掘效率更高,同时还可以发现出不同层次商品间隐含的有价值的关系,能够为个性化推荐模型提供更加丰富、更具普遍意义的知识,并且可以满足更多用户的需求。最后,本文以某一服装购物网站作为电子商务个性化推荐模型的应用背景,设计了基于结合概念层次树的FP增长算法的电子商务个性化推荐模型。个性化推荐模型设计的主要内容包括推荐模型的体系结构设计、推荐模型主要功能分析、推荐模型工作流程分析、推荐模型各个功能子模块的分析以及后台数据库设计等。该模型通过分析用户的历史购买记录来挖掘用户的兴趣偏好,然后在不断的更新学习中为用户提供准确的、实时的个性化推荐。

全文目录


摘要  2-4
ABSTRACT  4-8
1 绪论  8-15
  1.1 研究背景  8
  1.2 研究意义  8-9
  1.3 国内外研究现状  9-11
    1.3.1 国外研究现状  9-10
    1.3.2 国内研究现状  10-11
  1.4 研究内容及面临的问题  11-13
    1.4.1 研究内容  11
    1.4.2 面临的问题  11-13
  1.5 本文工作与组织结构  13-14
    1.5.1 本文工作  13
    1.5.2 组织结构  13-14
  1.6 本章小结  14-15
2 相关理论介绍  15-29
  2.1 电子商务推荐系统概述  15-17
    2.1.1 电子商务推荐系统的概念  15
    2.1.2 电子商务推荐系统的推荐技术  15-17
  2.2 关联规则技术概述  17-27
    2.2.1 基本概念  17-18
    2.2.2 关联规则分类  18-19
    2.2.3 典型算法  19-25
    2.2.4 多层关联规则挖掘及相关概念  25-27
  2.3 基于关联规则的个性化推荐系统研究概述  27-28
  2.4 本章小结  28-29
3 基于概念层次的关联规则挖掘  29-48
  3.1 关联规则推荐技术存在的问题  29-30
  3.2 本文的解决思路  30-47
    3.2.1 概念层次理论的引入  30-31
    3.2.2 挖掘算法的选择  31
    3.2.3 挖掘关联规则  31-47
  3.3 本章小结  47-48
4 个性化推荐模型设计  48-60
  4.1 应用背景  48-50
    4.1.1 推荐模型依附的购物网站说明  48-49
    4.1.2 推荐模型的嵌入  49-50
  4.2 个性化推荐模型设计  50-59
    4.2.1 推荐模型体系结构分析  50-51
    4.2.2 推荐模型功能分析  51-52
    4.2.3 推荐模型流程分析  52-53
    4.2.4 推荐模型各模块分析  53-56
    4.2.5 后台数据库设计  56-59
  4.3 本章小结  59-60
5 总结与展望  60-62
  5.1 本文总结  60-61
  5.2 下一步工作  61-62
参考文献  62-66
后记  66-67

相似论文

  1. 基于数据挖掘的税务稽查选案研究,F812.42
  2. 基于论文关键词聚类的用户兴趣模型细化方法研究,TP391.3
  3. 基于数据挖掘的个性化在线教学辅助系统的研究与设计,TP311.13
  4. 基于数据挖掘的课程考核与分析决策系统的设计和实现,TP311.13
  5. 关联规则挖掘在交通事故成因分析中的应用,U491.31
  6. 关联规则算法在高职院校贫困生认定工作中的应用,G717
  7. Web使用挖掘与网页个性化服务推荐研究,TP311.13
  8. 能力导向终身学习个性化推荐系统学习者模型构建,G720
  9. 面向终身学习的能力导向个性化推荐系统中资源的建设与共享机制研究,G720
  10. 面向电子商务的Web数据挖掘应用研究,TP311.13
  11. 基于FP-Growth关联规则的并行算法分析及其应用研究,TP311.13
  12. 基于关联规则算法的高职院校教学评价系统的设计与实现,TP311.52
  13. Web数据挖掘在网上书店个性化推荐系统中的应用研究,TP391.3
  14. 遂宁市政府个性化门户网站系统的设计与实现,TP311.52
  15. 基于协同过滤的电子商务个性化推荐系统的研究与实现,TP311.52
  16. 基于网络结构的个性化推荐系统的研究,TP391.3
  17. 基于社会化标签体系的个性化推荐引擎技术研究,TP391.3
  18. 液体火箭发动机启动阶段故障检测与诊断方法研究,V434
  19. 基于关联技术的中文文本分类研究,TP391.1
  20. 基于用户兴趣和浏览行为的个性化推荐技术研究,TP391.3
  21. 基于增量更新的自适应协同过滤算法研究,TP391.3

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