《电子商务推荐系统毕业论文》由会员分享，可在线阅读，更多相关《电子商务推荐系统毕业论文（24页珍藏版）》请在金锄头文库上搜索。
1、电子商务推荐系统毕业论文目录摘要1Abstract2第一章 绪论41.1 电子商务推荐系统背景41.2 电子商务推荐系统研究意义51.3 电子商务推荐系统现状5第二章 电子商务推荐系统基础理论52.1 电子商务推荐系统52.2 电子商务推荐系统的输入和输出62.2.1 电子商务推荐系统的输入72.2.2 电子商务推荐系统的输出82.3电子商务推荐系统分类9第三章 电子商务推荐算法113.1 电子商务推荐系统算法概述113.2 协同过滤推荐算法123.2.1 User-based协同过滤推荐算法133.2.1.1 数据表示133.2.1.2 最近邻查询143.2.1.3 推荐产生15第4章 推荐
2、系统应用于电影推荐164.1原始数据的输入164.2.1 Matlab数据处理程序164.2.2 Matlab数据处理结果164.3 算出目标用户的最近邻居用户174.3.1 运用matlab求相似性值程序174.3.2 Matlab算相似性运行结果184.4 推荐系统最终推荐结果184.4.1 运用matlab推荐程序194.4.2 运用Matlab推荐结果20第5章 结论与展望21参考文献23附录24 .专业.专注. 第一章 绪论1.1 电子商务推荐系统背景 如今，电子商务系统空前的巨大，虽然给用户提供了很大的选择空间，但是，随着电子商务系统不断增大，也变得相当的复杂。其一，用户在海量的电
3、子商务系统数据中想找到自己想要的商品具有相当的难度以及耗费大量的时间；其二，商家与消费者也很难建立一种互动联系。随着电子商务迅速的发展运用，对电子商务研究越来越深入，人工智能、Web技术与商业模型的集成研究逐步得到了重视。其中在B2C方面，推荐系统也就形成了研究重点。在海量的商品信息中，推荐系统模拟商店销售人员向用户提供商品推荐，帮助用户找到偏好的相关产品，提高了用户购买效率，也就使得用户对推荐系统形成依赖习惯，使得电子商务网络销售变得快捷方便；商家也可以通过推荐系统有效的与用户进行互动联系。首先，推荐系统可以在电子商务系统中推荐用户感兴趣的产品，其次，推荐系统也可以在大量的电子商务系统数据中
4、不断地发挥其作用以及优化1。其原因如下：（1）海量数据：电子商务系统中数据巨大，如用户注册数据、用户交易数据、用户评分数据、用户购物信息、用户浏览数据等，大量的数据以便于推荐系统的开发。（2）网络信息数据的收集：电子商务系统中的不同数据收集方式是用户操作不断累积，避免了单一人工操作造成的误差，收集的数据质量大幅提高。（3）评价推荐系统优劣：运用电子商务推荐系统，看它是否达到所推荐商品的访问量以及销售量增量的预期效果。推荐系统发展的潜力巨大，前景光明。推荐系统不仅有助于用户高效选择商品，而且也有助于商户与客户之间的联系，反过来说，进一步促进了电子商务推荐系统的发展。由此，推荐系统在电子商务中运用
5、越发广泛，例如亚马逊、淘宝、天猫等都在运用推荐系统，并且已经运用的相当成熟。并且推荐系统支持着各类互联网。在互联网时代，网络竞争非常激烈，推荐系统能为电子商务保留用户以及提高用户忠实度，从而增加了电子商务系统的销售量。好的推荐系统会给社会带来巨大的经济效益。不管是在理论上还是在实践上，电子商务推荐系统都在不断地发展壮大。由于电子商务的发展，其系统数据不断增加，推荐系统运用效率同时在降低，这也就是推荐系统要不断的优化升级的原因。电子商务推荐系统需要优化升级，本文将对电子商务推荐系统中关键技术进行探索和研究，以至于推动电子商务推荐系统的发展。1.2 电子商务推荐系统研究意义推荐系统的最为关键是推荐
6、计算，一个好的推荐计算能够很好地向用户推荐所需的商品，从而增强了用户的精神体验。本文主要研究协同过滤推荐算法，希望能够进行有益的改进，推动电子商务推荐系统的进一步发展。1.3 电子商务推荐系统现状随着互联网的普及和电子商务的发展，推荐系统逐渐成为电子商务IT技术的一个重要研究容，得到了越来越多研究者的关注。美国计算机学会ACM从1999年开始每年召开一次电子商务的研讨会，其中关于电子商务推荐系统的研究文章占据了很大比重。从1999年开始此协会的数据挖掘特别兴趣组SIGKDD小组设立WEBKDD讨论组，主题集中在电子商务中的WEB挖掘技术和推荐系统技术，而ACM下面的信息检索特别兴趣组SIGIR
7、在召开的第24届研究和发展会议上，开始专门把推荐系统作为一个讨论主题。第7届国际人工智能联合会议IJCAI01则把E-Business & the Intelligent Web作为一个独立的研讨小组。99年召开的人机界面会议CHI99专门设立推荐系统特别兴趣组。同时，第十五届人工智能会议AAAI-98、第一届知识管理应用会议PAKM、96年协同工作会议CSCW96等也纷纷开始将电子商务推荐系统作为研究主题。2经过多年的努力，国外在电子商务推荐技术和系统的研究方面已取得较多的理论和应用成果。第二章 电子商务推荐系统基础理论2.1 电子商务推荐系统电子商务系统通过互联网建立虚拟的网上商店，但这些
8、虚拟的网上商店并没有配备相应的销售人员来引导用户购物。随着电子商务系统规模的不断扩大，商品越来越多，这一方面让用户有了更大的选择空间，另一方面也增加了用户购买所需商品的难度，用户在找到自己需要的商品之前，必须浏览大量的无关信息为了解决上述信息过载问题，有效的知道用户在电子商务系统中方便的购物，人们提出了推荐系统技术。3电子商务推荐系统直接与用户交互，模拟商店销售人员向用户提供商品推荐，帮助用户找到所需商品，从而顺利完成购买过程。电子商务推荐系统产生的推荐可以基于电子商务系统的销售排行，可以基于用户以前的购买行为，也可以基于用户表现出来的兴趣爱好等。电子商务不仅为用户提供了便利的交易方式和广泛的
9、选择，同时也为商家提供了更加深入了解用户需求和购物行为特征的可能性。推荐系统作为电子商务中的重要应用技术之一，为电子商务系统实现“一对一营销”提供了可能。电子商务推荐系统正式的定义是1997年Resnick和Varian给出的，“电子商务个性化推荐系统是利用电子商务向用户提供产品信息和相关建议，帮助用户决定购买什么产品，通过模拟销售人员帮助用户完成购物过程的系统4”，同时还指出其作用主要表现在三个方面：将电子商务的浏览者转变为购买者；提高电子商的交叉销售能力；提高客户对电子商务的忠诚度。目前，推荐系统已广泛运用到各行业中，推荐对象包括书籍、音像、网页、文章和新闻等。研究表明，电子商务的销售行业
10、使用个性化推荐系统后，销售额能提高2%8%，尤其在书籍电影、CD音像、日用百货等产品相对较为低廉且商品种类繁多、用户使用个性化推荐系统程度高的行业，推荐系统能大大提高企业的销售额。2.2 电子商务推荐系统的输入和输出从总体的层次结构看，整个电子商务推荐系统的组成主要可以分为三个模块：输入功能模块、推荐方法模块、输出功能模块，如图，其中推荐方法模块是个性化推荐技术的集中体现，决定着推荐系统的性能优劣，本文将于第三章详细论述。2.2.1 电子商务推荐系统的输入不同类型的电子商务推荐系统，其输入信息也不相同。不同电子商务推荐系统根据不同的输入信息产生不同类型的推荐。电子商务推荐系统的输入可以是用户当
11、前的行为，也可以是用户访问过程中的历史行为。在大型的电子商务系统中，为了产生高质量的推荐，推荐系统可能需要多种类型的输入信息。电子商务推荐系统的输入包括多种形式，主要包括：（1) 隐式浏览输入：将用户访问电子商务Web站点的浏览行为作为推荐系统的输入，用户的浏览行为与访问一般的Web站点没有区别。并不知道电子商务推荐系统的存在。用户当前正在浏览的商品、用户购物篮中选择的商品、用户的浏览路径等都可以作为作为隐式浏览输入信息。例如：亚马逊可以根据用户当前浏览的图书项向用户推荐相关容的书籍。（2) 显式浏览输入：也是将用户的浏览行为作为电子商务推荐系统的输入，但与隐式浏览输入不同，用户的显式浏览输入
12、是有目的的向电子商务推荐系统提供自己的兴趣爱好。例如，电子商务系统提供一系列热门商品供用户选择，用户只选择浏览自己感兴趣的商品列表，电子商务根据用户的浏览行为向用户提供个性化的推荐服务。例如Movie Finder的Top10给用户提供了一个超列表，它包含了编辑推荐的10种产品。（3) 关键字/商品属性输入：用户在搜索引擎中输入关键字作为推荐系统的输入，或者将用户当前正在浏览的商品类别作为推荐系统的输入。这种类型的输入不同于用户随意的浏览行为，用户输入的目的就是在电子商务系统中搜索自己需要的商品。（4) 用户评分输入：将用户对商品的数值评分数据作为推荐系统的输入。电子商务推荐系统列出一系列商品
13、让用户评分，用户的评分可以是一个数值，数值大小表示用户对商品的喜好程度，也可以是一个布尔值，0代表不喜欢，l代表喜欢。用户提供的评分数据使得电子商务推荐系统可以为用户提供个性化的推荐服务。（5) 用户文本评价输入：用户对已经购买的商品或自己熟悉的商品以文本的形式进行个人评价，推荐系统本身并不能判断这些评价的好坏。其他用户浏览该商品时，可以看到用户对商品的文本评价信息。（6) 编辑推荐输入：将领域专家对特定商品的评价作为推荐系统的输入，领域专家对商品的性能特点进行全面详细的介绍，用户通过专家的专业介绍，可以对自己并不熟悉的商品加深认识，从而决定是否购买该商品。（7) 用户购买历史输入：推荐系统将
14、用户的购买历史作为隐式评分数据。一旦用户购买了特定商品，则认为用户喜欢该商品。推荐系统根据用户的购买历史产生相应的推荐。但是用户购买了某件商品并不代表用户喜欢该商品，所以在精确的推荐系统中，用户可以对购买的商品进行重新评分，从而使推荐系统产生更精确的推荐。2.2.2 电子商务推荐系统的输出不同类型的电子商务推荐系统，其输出也各不相同。大型电子商务系统可以同时向用户产生多种不同形式的输出。电子商务推荐系统的输出形式主要包括：（1）相关商品输出：推荐系统根据用户表现出来的行为特征或电子商务系统的销售情况向用户产生商品推荐，这种方式是电子商务推荐系统中最为普遍的一种输出。相关商品输出可以基于简单的销
15、售排行向用户推荐热门商品；也可以基于对用户的行为特征进行深入分析，发现用户的购买行为模式，从而产生个性化的推荐。（2）个体文本评价输出：电子商务推荐系统向目标用户提供其他用户对商品的文本评价信息个体文本评价一般是非个性化的，对每个项而言，所有用户得到的个体文本评价均相同。（3）个体评分输出：向目标用户提供其他用户对商品的数值评分信息。个体评分输出没有大量的文本描述信息，因此更加简洁明了。个体评分输出比较适合于个体数值评分数据比较少的场合。（4）平均数值评分输出：电子商务推荐系统向用户童工其他用户对商品数值评分信息的平均值。这种输出形式具有简洁明了的优点，用户可以立即获得对该商品的总体评价。（5）电子输出：电子商务推荐系统通过电子的形式向用户提供商品的最新信息。这种输出形式可以吸引用户再次访问电子商务系统，从而达到保留用户，防止用户流失的目的。（6）编辑输出推荐：向用户提供领域专家对商品的专业介绍，用户通过专家的专业介绍可以对自己并不熟悉的商品加深认识，了解商品的性能特点，从而决定是否购买该商品。2.3电子商务推荐系统分类从不同的角度出发，电子商务推荐系统可以有不同的分类，下面给出电子商务推荐系统的几种分类方式：（1）对于非注册用户采用协作过滤的方法。根据当前非注册用户的访问状态，把用户归类。在用户所属的类里，权值较高
