《基于用户行为的电子商务推荐系统的设计与研究》由会员分享，可在线阅读，更多相关《基于用户行为的电子商务推荐系统的设计与研究（70页珍藏版）》请在金锄头文库上搜索。
1、山西财经大学 硕士学位论文 基于用户行为的电子商务推荐系统的设计与研究 姓名：王义 申请学位级别：硕士 专业：07计算机应用技术 指导教师：马尚才 2010-06-02 1 摘 要 目前电子商务网站数量众多，信息资源总量庞杂、增长速度飞快，导致用 户在整个商品空间上出现信息迷航和信息过载问题，信息使用效率降低。现有 的电子商务网站搜索系统和搜索引擎，主要通过用户输入的搜索条件进行信息 过滤，没有个性化的考虑，无法根据用户的需求，提供便捷、高效、准确的服 务。如何顺应电子商务向以用户为中心发展模式的转变，就必须应用个性化推 荐系统。推荐系统能够针对不同的用户提供满足其个性化需求的服务，提高用 户
2、从信息中寻找知识的效率，与客户建立长期稳定的关系，能够使网站立于不 败之地。 推荐系统通过模拟商店销售人员，根据用户的兴趣爱好，向目标用户推荐 符合其兴趣爱好的商品。推荐算法是推荐系统中最重要的组成部分，关系着推 荐系统的推荐质量。协同过滤算法是目前应用最广泛、最成功的推荐算法。然 而，随着互联网用户数量的剧增，协同过滤算法在数据稀疏性、用户评分真实 性等问题上日趋严重，影响了推荐系统的质量。 基于上述情况，本文从理论和实践两个角度出发，研究、设计了一个基于 用户行为的电子商务推荐系统。主要采用前融合组合推荐策略，将 W e b使用挖 掘技术和基于用户- 商品类的协同过滤推荐算法相结合，避免了
3、单纯使用协同过 滤技术的弱点，降低了传统协同过滤算法中数据稀疏性问题。阐述了基于用户 行为的电子商务推荐系统的设计思想，详细介绍了算法的三个组成模块：用户 聚类子模块、个性化推荐子模块、推荐反馈子模块的实现过程，并通过实验验 证了本推荐算法具有良好的推荐效果。最后根据算法的思想设计和实现了基于 用户行为的电子商务推荐系统实例“乐购网” 。根据“乐购网”的开发过程， 介绍了系统的需求分析、系统设计、数据库设计和主要功能模块的设计实现， 重点介绍了基于用户行为的个性化推荐子系统的设计和实现过程。 【关键词】电子商务 信息过载 个性化推荐 协同过滤 2 Abstract At present，the
4、re are a large number of e- commerce websites, and fast growth rate information resources, which lead to information overload on the whole commodity space, and make the lower use efficient of information. However, existing e - commerce website search system and search engine works mainly based on th
5、e users search terms to provide information filtering ,lack of information available to the users relevance, convenient and effectiveness and accuracy, in particular, can not meet the search needs of professional information. We have to use personalized recommendation techniques so as to adapt model
6、 that E - commerce development into the form of user- centric and the high- speed development pace. Recommended System can not only provide users with personalized service, but also to establish a long- term stable relation with the users, and increase customer loyalty and ultimately improve the sal
7、es of e- commerce sites. Recommendation system can simulate sellers who can recommend products sold to customers based on user preferences.Recommendation Algorithm is an important part in personalized recommendation system. Collaborative Filtering Algorithms being as one of the most successful algor
8、ithm still have data sparsely and user rating authenticity problems, eventually leading to a sharp decline of recommends quality. Based on this situation, a recommendation algorithm which learns from the users actions is designed and implemented, by using web usage mining and collaborative filtering
9、 techniques. It avoids the use of collaborative filtering techniques. The experimental results show that our algorithm provides better recommendation results and decreasing the density of sparse data sets. This section describes the recommended system s ideas and the implementation process and proof
10、ed that improves the accuracy and decrease the data sparsely of the recommendation. The algorithm is composed of three modules: user clustering sub- module, personalized recommendations sub- module, recommended feedback sub- module. According to the algorithm, design and implementation of instance -
11、 Lego net. This article describes the system requirements analysis, database design and the design of each functional module, mainly introducing the design and realization of personalized recommendation system. 【Key Words】Electronic Commerce; Information overload; Personalized Recommendation; Collab
12、orative Filtering. 1 山西财经大学 学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文 中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文 的研究所做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本申明的法律结 果由本人承担。 学位论文作者签名： 日期： 年 月 日 2 山西财经大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保管、使用学位论文的规定，同意学校 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和 借阅。本人授权山西财
13、经大学可以将本学位论文的全部或部分内容编入有关数 据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于保密，不保密。在 年解密后适用本授权书。 （请在以上方框内打“” ） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 基于用户行为的电子商务推荐系统的设计与研究 1 1 绪论 1 . 1 研究背景及意义 在全球经济一体化、信息化、网络化的趋势下，我国计算机拥有量、互联网用户数量、 网站数目等方面得到了飞速增长，为电子商务的广泛开展提供了有利条件，电子商务爆发出 巨大商机。电子商务系统通过更多地使用 Internet 技术和系统集成技
14、术，为企业节省了管理和 销售成本，增强了企业的竞争力，拓宽了企业的市场，企业可以在全球范围内推销自己的产 品和服务，让全球消费者了解或购买自己的产品和服务，从而为企业创造效益。然而，随着 互联网的普及和电子商务的发展，电子商务系统中用户数目和商品数量也日益增加，导致用 户出现信息迷航和信息过载问题， 使得用户很难从繁杂的信息海洋中获得对自己有用的部分， 信息使用效率降低1。企业电子商务网站如何在众多的网站中得以生存和发展，成为目前亟 待解决的问题，推荐技术的应用为这个问题提供了一个解决思路。 推荐系统能够模拟商店销售人员，根据用户的兴趣爱好，向目标用户推荐符合其兴趣爱 好的商品2。推荐系统的应
15、用不仅能够为用户提供个性化的服务，而且能够与用户建立长期 稳定的关系，提高用户忠诚度，防止用户流失，最终提高电子商务网站的销售额。在国外几 乎所有大型的电子商务系统，都不同程度的使用了推荐系统3。 1 . 1 . 1 研究背景 1 . 电子商务推动了企业的发展 据 iResearch- 2009 年中国互联网市场年度总结报告数据显示，09 年中国企业通过电子商 务平台进行的交易的规模占整体交易的 11.3%，交易份额继续稳步增长4，如图 1- 1 所示。 2007- 2013年中国电子商务交易规模占整体交易规模的比例 2.12 2.97 2.78 3.53 4.67 6.31 8.43 8.7
16、0% 10.90% 11.30% 12.50% 14.70% 16.80% 19.10% 0 3 6 9 12 2 0 0 72 0 0 82 0 0 92 0 1 0 e2 0 1 1 e2 0 1 2 e2 0 1 3 e 电子商务交易规模( 万亿元) 电子商务交易规模占整体交易规模的比例( % ) 图 1 - 1 中国 2 0 0 7 - 2 0 1 3 年中国电子商务交易规模占整体交易规模的比例 基于用户行为的电子商务推荐系统的设计与研究 2 根据 iResearch的调查研究，在全球经济危机下，使用电子商务的中小企业的存活率要高 出传统线下企业 5 倍，电子商务平台能够给中小企业提供更有效的推广方式，降低推广成本， 金融危机让更多的中小企业体验到电子商务的优势。如图 1- 1 所
