学位论文 > 优秀研究生学位论文题录展示

基于Web使用挖掘的在线报名推荐系统的研究与实现

作　者: 王玥
导　师: 李建平
学　校: 电子科技大学
专　业: 计算机应用技术
关键词: Web使用挖掘关联规则 Apriori算法在线报名推荐系统
分类号: TP311.13
类　型: 硕士论文
年　份: 2010年
下　载: 84次
引　用: 0次
阅　读: 论文下载

内容摘要

伴随着互联网技术的不断发展,电子商务也取得了巨大的发展。人们在享受电子商务带来便捷的同时,也不得不面对电子商务站点上的商品不断增加,要找到自己所需商品越来越困难。另外,对于企业来说,他们要想在电子商务中取得优势,就必须更好的掌握顾客的特点以及市场的发展趋势。这些信息都可以根据历来顾客在网站服务器上留下的日志文件分析得到。但是浏览者的每一次鼠标点击都会在日志文件中留下一条记录,一个较大型的电子商务网站每天至少要产生上百万条记录。面对如此庞大的数据量,使用人工的方法根本不可能从中得到任何信息!为了更好的利用这些数据,我们使用了Web数据挖掘技术进行处理,通过对用户使用模式的发掘,我们可以得到用户的访问模式,利用聚类技术对访问者进行聚簇,然后根据簇内用户的点击习惯,选择簇内用户购买率较高的商品推荐给簇内其他用户;另外,利用Apriori算法在簇内的事务数据库中寻找关联规则,根据用户当前的购物行为预测其购买趋势,主动进行推荐,以提高用户在站点多次购物的机率。论文从数据挖掘开始入手,讨论了数据挖掘技术的研究背景、意义以及国内外发展现状,然后针对电子商务的具体情况,具体研究了挖掘技术在电子商务中的应用。课题研究过程中,主要研究了关联规则在数据挖掘中的意义以及经典的关联规则算法Apriori算法的研究与实现;在Web数据挖掘中常用的技术和分析方法;以及基于浏览行为的电子商务推荐系统的架构与内部算法的实现,和实际应用中的意义。通过Web使用挖掘得到的知识模式,我们使用电子商务推荐系统为顾客提供个性化的推荐服务,能够提高顾客对网站的归属感和满意度,同时可以增加站点的竞争力;企业通过在电子商务站点上挖掘到的信息,可以更好的掌握市场动态,为企业更好的做出决策提供建设性的指导意见,具有很强的实用性。

全文目录

摘要  4-5
ABSTRACT  5-10
第一章绪论  10-15
  1.1 研究背景  10-11
  1.2 研究意义和价值  11-13
  1.3 国内外研究  13-14
  1.4 本章小结  14-15
第二章数据挖掘技术  15-25
  2.1 数据挖掘概述  15-16
  2.2 数据挖掘主要作用  16-18
  2.3 数据挖掘的三层体系结构  18-19
  2.4 数据挖掘逻辑流程  19-21
  2.5 数据挖掘技术  21-22
  2.6 数据挖掘的应用领域  22-24
  2.7 本章小结  24-25
第三章关联规则算法及决策树技术的研究  25-33
  3.1 关联规则概述  25-28
    3.1.1 基本概念  25-26
    3.1.2 关联规则分类  26-27
    3.1.3 关联规则挖掘算法  27-28
  3.2 经典关联规则算法——APRIORI 算法的研究  28-30
    3.2.1 算法概述  28-29
    3.2.2 Apriori 算法的不足  29
    3.2.3 Apriori 算法的改进方向  29-30
  3.3 决策树技术  30-32
    3.3.1 生成决策树  31
    3.3.2 属性选择度量  31
    3.3.3 决策树的修剪  31-32
  3.4 本章小结  32-33
第四章电子商务系统中WEB 数据挖掘的应用  33-45
  4.1 电子商务概述  33-34
  4.2 WEB 数据挖掘概述  34-35
  4.3 电子商务中WEB 数据挖掘数据源  35-39
    4.3.1 Web 内容挖掘  36-37
    4.3.2 Web 使用挖掘  37-38
    4.3.3 Web 结构挖掘  38-39
  4.4 WEB 数据挖掘流程  39-40
  4.5 电子商务中WEB 数据挖掘技术概述  40-42
    4.5.1 统计分析法  40-41
    4.5.2 关联规则的发现  41-42
    4.5.3 聚类分析  42
    4.5.4 序列模式的发现  42
  4.6 WEB 挖掘在电子商务中的应用  42-44
    4.6.1 识别潜在的客户  42-43
    4.6.2 购买者的驻留  43
    4.6.3 改进站点  43-44
  4.7 本章小结  44-45
第五章在线报名推荐系统研究与实现  45-66
  5.1 在线报名推荐系统架构  45-47
  5.2 数据收集模块  47-48
  5.3 数据预处理模块  48-55
    5.3.1 数据净化  50-51
    5.3.2 用户识别  51-52
    5.3.3 会话识别  52-53
    5.3.4 事务识别  53-54
    5.3.5 路径修补  54-55
    5.3.6 格式化数据  55
  5.4 离线挖掘模块  55-61
    5.4.1 模式发现  55-58
    5.4.2 模式分析  58-61
  5.5 在线推荐模块  61-64
    5.5.1 模块概述  61
    5.5.2 生成推荐集合  61-63
    5.5.3 推荐因子算法改进及实现  63-64
  5.6 模式应用模块  64-65
  5.7 本章小结  65-66
第六章关键算法在“中华财富网”中的实现  66-75
  6.1 “中华财富网“概述  66-67
  6.2 关联规则算法的实现  67-69
  6.3 在线报名推荐系统的实现  69-74
    6.3.1 课程推荐形式  70-71
    6.3.2 对注册用户的推荐  71-73
    6.3.3 对未注册用户的推荐  73-74
  6.4 本章小结  74-75
第七章总结与展望  75-77
  7.1 论文总结  75
  7.2 后期研究方向  75-77
致谢  77-78
参考文献  78-81
攻硕期间取得的成果  81-82

基于Web使用挖掘的在线报名推荐系统的研究与实现

内容摘要

全文目录

相似论文