学位论文 > 优秀研究生学位论文题录展示

基于数据挖掘的电子商务推荐系统模型研究

作　者: 范永健
导　师: 申艳光
学　校: 河北工程大学
专　业: 计算机应用技术
关键词: 个性化推荐系统神经网络聚类协同过滤算法推荐模型移动电子商务
分类号: F713.36
类　型: 硕士论文
年　份: 2009年
下　载: 236次
引　用: 2次
阅　读: 论文下载

内容摘要

随着电子商务的飞速发展,个性化推荐系统发挥着越来越重要的作用。在多维数据、移动商务环境下,基于数据挖掘的实时、高效、准确的个性化推荐系统模型的研究,必将推动移动电子商务的发展,有着广泛的应用前景。本文对基于数据挖掘的电子商务推荐系统进行了研究,在总结和分析的基础上,着重对三方面进行了研究:推荐系统算法的分析与改进;利用多数据源多模型的个性化推荐系统模型设计;在移动商务环境下对个性化推荐系统的体系结构进行研究。本文主要研究内容如下:(1)在分析比较数据挖掘和主要推荐算法的基础上,对系统推荐算法进行改进。介绍了数据挖掘的概念、分类和发展现状,分析关联规则、聚类、分类和神经网络等数据挖掘算法,在全面分析和讨论了推荐系统主要算法内容和优缺点的基础上,设计出一种基于BP神经网络的聚类协同过滤算法,给出聚类协同过滤算法和BP神经网络的实现,并从多方面对该算法特征进行分析。(2)设计基于数据挖掘的电子商务推荐系统模型。该模型首次引入规则类型库、推荐方法库,并将规则类型库、推荐算法库、模式规则库和推荐方法库独立设计,有效地支撑了多种数据多种推荐算法实时、高效的运行,保证了推荐系统的推荐质量和效率。(3)对电子商务重要发展方向——移动商务环境下个性化推荐系统进行研究。介绍了移动电子商务的相关技术和移动电子商务系统体系结构的划分;分析了移动数据管理技术对移动电子商务发展的作用并介绍移动数据管理技术;给出移动商务个性化推荐系统体系布局;构建移动商务个性化推荐系统结构框架,对系统框架运行流程和数据流向进行描述,并从多方面对该框架模型特征进行分析。

全文目录

摘要  5-6
Abstract  6-11
第1章绪论  11-16
  1.1 研究背景及意义  11
  1.2 国内外研究现状  11-13
    1.2.1 电子商务发展现状  11-12
    1.2.2 个性化推荐系统研究现状  12-13
  1.3 个性化推荐系统需要进一步研究的问题  13-14
  1.4 本文的主要内容和组织结构  14-15
  1.5 本章小结  15-16
第2章数据挖掘与移动商务相关技术  16-33
  2.1 数据挖掘相关技术  16-26
    2.1.1 数据挖掘技术概述  16-18
    2.1.2 数据挖掘相关算法  18-22
    2.1.3 Web 数据挖掘技术  22-24
    2.1.4 数据挖掘的应用过程  24-25
    2.1.5 数据挖掘在个性化推荐系统中的应用  25-26
  2.2 移动商务相关技术  26-32
    2.2.1 电子商务重要发展方向—移动商务介绍  26-27
    2.2.2 移动电子商务相关技术  27-29
    2.2.3 移动电子商务系统体系结构的划分  29-30
    2.2.4 移动数据管理技术介绍  30-32
  2.3 本章小结  32-33
第3章推荐系统主要推荐算法  33-39
  3.1 引言  33
  3.2 主要推荐算法介绍  33-37
    3.2.1 协同过滤推荐算法  33-35
    3.2.2 基于关联规则的推荐算法  35-36
    3.2.3 基于聚类的推荐算法  36
    3.2.4 基于分类的推荐算法  36
    3.2.5 基于内容的推荐算法  36-37
    3.2.6 基于贝叶斯网的推荐算法  37
  3.3 组合推荐技术  37-38
  3.4 本章小结  38-39
第4章一种基于BP 神经网络的聚类协同过滤算法  39-48
  4.1 协同过滤算法优缺分析  39-40
    4.1.1 协同过滤算法优点  39
    4.1.2 协同过滤算法缺点  39-40
  4.2 BP 神经网络应用特点分析  40-41
    4.2.1 人工神经网络特点  40-41
    4.2.2 BP 神经网络应用优势分析  41
  4.3 一种基于 BP 神经网络的聚类协同过滤算法的设计  41-47
    4.3.1 算法设计基于的考虑  42
    4.3.2 算法步骤  42
    4.3.3 聚类协同过滤算法实现  42-44
    4.3.4 BP 神经网络算法  44-46
    4.3.5 算法相关问题处理  46
    4.3.6 算法特征分析  46-47
  4.4 本章小结  47-48
第5章利用多数据源的电子商务个性化推荐模型设计  48-60
  5.1 模型相关问题分析  48-53
    5.1.1 个性化推荐系统的工作流程  48
    5.1.2 用户数据输入方式  48-50
    5.1.3 电子商务中数据挖掘的数据源  50
    5.1.4 电子商务中数据预处理  50-52
    5.1.5 推荐系统的推荐方法  52
    5.1.6 推荐结果的显示时机和方式  52-53
  5.2 利用多数据源的电子商务个性化推荐模型设计  53-56
    5.2.1 系统离线模块设计  55
    5.2.2 系统在线模块设计  55-56
  5.3 实时个性化推荐系统模型特点与效率分析  56-57
  5.4 移动商务环境下推荐系统框架模型研究  57-59
    5.4.1 移动商务个性化推荐系统布局  57-58
    5.4.2 移动商务个性化推荐系统框架构建  58
    5.4.3 系统框架运行流程描述  58-59
    5.4.4 移动商务个性化推荐系统特征分析  59
  5.5 本章小结  59-60
第6章总结与展望  60-62
  6.1 总结  60-61
  6.2 展望  61-62
参考文献  62-65
致谢  65-66
作者简介  66-67
攻读硕士学位期间发表论文和科研成果  67

基于数据挖掘的电子商务推荐系统模型研究

内容摘要

全文目录

相似论文