《基于安卓的购物推荐系统设计和实现计算机科学和技术专业》由会员分享，可在线阅读，更多相关《基于安卓的购物推荐系统设计和实现计算机科学和技术专业（43页珍藏版）》请在金锄头文库上搜索。
1、毕业设计题目 基于安卓的购物推荐系统 摘 要如今，随着互联网和电子商务的快速发展，电子购物凭借其快速便捷的特点，成为现代人们最重要的购物方式，市场中产品也变得越来越丰富。然而，产品数据的急剧膨胀造成的“信息过载”使得消费者很容易会迷失在大量的产品信息中。因此推荐系统的诞生为消费者带来极大的帮助，个性化推荐系统通过分析用户行为数据，向用户推荐其可能会感兴趣的商品，提升用户的使用体验。本文设计并实现了基于安卓的购物推荐系统，主要实现了一个具有推荐功能的网上购物APP的开发，推荐模块采用了基于用户的协同过滤推荐算法。使用Java语言在Android Studio和Eclipse两个平台进行开发，数据
2、库选择了MySQL，数据通过HTTP网络传输协议来进行实时数据通信，并采用JSON封装技术进行数据交互。本论文首先简要阐述了推荐系统的相关背景及国内外发展现状，然后介绍了本文系统所涉及的相关技术，接着对该系统进行了详细的需求分析和系统设计，最后展示系统实现效果和关键代码，总结论文所做主要工作。关键词：安卓系统；推荐系统；协同过滤算法；电子商务AbstractNowadays, with the rapid development of the Internet and e-commerce, electronic shopping has become the most important s
3、hopping method for modern people due to its fast and convenient characteristics, and the products in the market have become more and more abundant. However, the information overload caused by the rapid expansion of product data makes it easy for consumers to get lost in a large amount of product inf
4、ormation. Therefore, the birth of the recommendation system has brought great help to consumers. The personalized recommendation system analyzes user behavior data, recommends products that may be of interest to users, and enhances user experience.This article designs and implements an Android-based
5、 shopping recommendation system, which mainly implements the development of an online shopping APP with recommendation function. The recommendation module uses a user-based collaborative filtering recommendation algorithm. The Java language is used for development on Android Studio and Eclipse platf
6、orms, the database is MySQL, the data is communicated in real time through the HTTP network transmission protocol, and the JSON encapsulation technology is used for data interaction.This thesis first briefly describes the relevant background of the recommender system and the current status of develo
7、pment at home and abroad, and then introduces the related technologies involved in the system of this article, and then carries out a detailed demand analysis and system design for the system, and finally shows the system implementation effect and key codes , Summarize the main work done in the pape
8、r.Keywords: Android system; Recommendation system; Collaborative filtering algorithm; E-commerce目 录摘 要IABSTRACTII目 录III第1章 引 言11.1 课题的背景与意义11.2 国内外研究现状11.2.1 国外研究现状11.2.2 国内研究现状21.2.3 推荐系统在电子商务中的应用31.3 本文的主要内容41.4 本文的结构安排4第2章 相关技术介绍52.1 Android系统开发介绍52.1.1 Android系统架构52.1.2 Android应用基本组件72.2 网络通信协议8
9、2.3 数据的传输与解析82.4 基于用户的协同过滤推荐算法92.4.1 发现兴趣相似用户92.4.2 推荐物品10第3章 系统需求分析123.1功能需求123.2 非功能性需求143.2.1 界面需求143.2.2 安全性143.2.3 可维护性153.2.4 推荐的实时性153.3 可行性分析15第4章 程序的设计与实现164.1 系统设计总体概述164.1.1 系统结构设计164.1.2 服务器设计174.2 功能模块设计174. 2.1 客户端功能设计184. 2. 2 后台系统功能设计194.3 数据库设计194.3.1 数据库E-R图194.3.2 数据库表20第5章 实现效果及关
10、键代码235.1 前台客户端实现235.1.1 用户注册235.1.2 用户登录235.1.3 商品列表245.1.4 商品搜索、分类245.1.5 商品详情255.1.6 个人中心265.1.7 我的购物车265.1.8 我的订单275.1.9 个人信息295.1.10 个性化推荐295.2 后台系统实现345.2.1 商品管理模块345.2.2 用户管理模块345.2.3 订单管理模块35第6章 总 结366.1 总结366.2 展望36致 谢37参考文献382第1章 引 言1.1 课题的背景与意义如今，随着互联网和电子商务的快速发展，电子购物凭借其快速便捷的特点，成为现代人们最重要的购物
11、方式，随着用户群体和数量的不断扩大，网络市场中的产品也变得越来越丰富。在如今的日常生活中，网上购物已经与我们息息相关，各种网上购物软件逐渐地成为了人们购物消费中不可或缺的必需品。然而，随着大量电商平台进入人们的生活，给人们的衣食住行带来便捷的同时，大量产品数据的急剧膨胀，造成了“信息过载”的问题，消费者时常因为面对大量数据而感到难以选择，无法成功找到需要的产品，搜索理想产品变得十分困难，消费者的消费体验变差。所以如何帮助用户和消费者们从纷繁复杂的商品中寻找到用户真正需要的商品，推荐系统的产生和高效利用也变得十分重要。在越来越激烈的角逐情况下，电商平台根据消费者的个人兴趣和消费行为过滤信息，然后
12、将消费者可能喜好的商品推荐给消费者，利用推荐系统相关的技术可以更加高效地服务用户，提高用户体验，避免失去目标人群，同时也可以电商公司的竞争力。在如今这个网络信息量爆炸的互联网时代中，任何用户都无法浏览一个电商网站中所有的内容，甚至能够受到较多关注的只有网站首页中的小部分信息，而其余剩下的大部分信息都只能受到很少部分的人的关注，这必然不可避免地会造成网站中信息资源的浪费。而推荐系统可以更有效地帮助解决这个问题，推荐系统能够帮助不同类型的用户找到他们需要的商品数据信息，而后在推荐模块对用户实现个性化推荐，以满足具有不同需求的用户。1.2 国内外研究现状1.2.1 国外研究现状在国外，个性化推荐系统
13、和协同过滤算法被广泛使用，特别是在电子商务领域，它们具有非常好的和有希望的应用市场。根据2007年研究调查的结果，绝大多数消费者都喜欢在可以实现个性化推荐的电子商务网站上购物。在调查中，过去六个月内消费超过1000美元的消费者中，超过60的消费者已使用网站提供的个性化推荐系统并接受了推荐服务。调查报告还显示，有40的消费者担心推荐符合其兴趣和需求的个性化推荐。个性化推荐系统方面发展良好的国外应用程序包括Altered Vista，Amazon和其他应用程序。以Amazon这个网上书店购物网站为例，Amazon虽然只会在网上进行销售，但由于他高效、经典的推荐功能，十分受人喜爱。它不仅仅会为用户提
14、供高质量、高效率的综合数据库和检索系统外，还会针对每个用户提供个性化推荐服务。Amazon不仅将为用户提供一个完整的高质量、高效率的数据库和搜索系统，还将为每个用户提供个性化的推荐服务，Amazon的个性化推荐服务不仅广泛应用于其电子邮件中，也广泛应用于其网页中。例如，它将根据分析结果向软件工程师显示编程元素，并向医生推荐书籍和医学文章。用户可以在“你的推荐”页面浏览推荐表单，并且在这个推荐页面中，用户可以进行很多操作，比如在网页上对被推荐的商品进行评分的操作，也可评价自己已经有过购买消费行为的商品，甚至还能看到此推荐模块向自己推荐这些商品的原因。Amazon根据用户消费行为的特点以及用户已有
15、的购物信息，为每个不同特点的消费者都能够提供合适并且个性化的建议，然后用户的信息和对于此推荐建议的意见将被再次保存，这样用户下次可以接收到更加符合个人要求的推荐信息。Amazon的推荐功能更多使用的是基于项目的协同过滤推荐算法，并且随着Amazon的成功，在各大电子商务网站开始流行起基于项目的协同过滤算法。1.2.2 国内研究现状在推荐系统的发展进程来看，国内的研究与国外发展相比起步较晚，研究的内容和应用方面也比较欠缺。首先，由于国内研究推荐系统的内容主要来源于国外已有的研究理念和成果，国内的研究比较缺乏创新。二是由于国内的推荐系统的推荐算法在根据用户兴趣特征或消费行为、需求等维度做出高效适合的推荐，从而导致大部分推荐系统的个性化程度无法达到理想结果。三是国内推荐系统的推荐功能灵活度不高，在国内大多数个性化推荐系统中，获取用户特征、兴趣等信息的方式往往是通过用户初始的注册信息，而且大部分都有明确的规定。然而，很少有研究是基于用户在使用过程中的兴趣特征，缺乏这种动态过程的研究往往使得系统很难捕捉到用户兴趣的动态变化，会使得推荐功能灵活度降低，系统也无法实时充分了解用户兴趣。当然，虽然国内的理论研究内容更多的是来源于国外的研究理论和研究成果，但是随着我国互联网和国家经济
