Web使用挖掘在电子商务推荐系统中的应用

论文摘要

个性化的电子商务推荐系统是根据用户行为特征为用户提供一对一的服务,帮助用户找到所需的商品,从而顺利完成购买过程。商家通过推荐系统能提高电子商务系统的销售,保持与客户的联系,提高用户的忠诚度和满意度。电子商务推荐系统在各大零售网站中都得到了广泛的应用,但同时也面临一系列的挑战。电子商务为用户提供越来越多选择的同时,其结构也变得更加复杂。一方面,用户面对大量的商品,要找到自己需要的商品变得越来越困难,通常要通过多次浏览才能找到满足自己需求的商品;另一方面商家面对大量电子数据信息也不能全面了解用户的个人需求,无法维护稳定的客户关系。本文对Web日志记录进行分析发现用户访问Web页面的模式。通过分析和研究Web日志记录中的用户访问规律,来识别电子商务的潜在客户。根据用户访问Web的记录挖掘用户的兴趣关联规则并作为对用户行为进行预测的依据,为特定的用户产生一些特定的Web页面,加快用户获取页面的速度。本文对电子商务推荐算法以及电子商务推荐系统结构进行了有益的研究和探索,主要研究工作及成果体现在:(1)提出了客户选择问题。选出最有可能购买商品的客户,作为目标客户,也就是最终会得到推荐的客户;(2)改进了传统的关联规则算法。改进并实现了频繁项目集生成算法和强关联规则生成算法。并且在改进算法的基础上建立和实现了产品关联模型;(3)对多模型推荐系统的整合并加以实现。系统利用了客户偏好模型和产品关联模型,为每个客户对每个产品都产生了匹配值,这样,在推荐时,为每个客户选择匹配值大者进行推荐。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景与意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 电子商务推荐系统
• 1.2.1 电子商务推荐系统的概念
• 1.2.2 电子商务系统的发展历程
• 1.2.3 电子商务推荐系统的作用
• 1.2.4 电子商务推荐系统的组成
• 1.2.5 个性化推荐技术
• 1.2.6 电子商务推荐系统的研究现状
• 1.3 论文主要研究内容
• 1.4 论文组织结构
• 1.5 小结
• 第二章 WEB挖掘
• 2.1 数据挖掘
• 2.1.1 数据挖掘概述
• 2.1.2 数据挖掘分类
• 2.1.3 数据挖掘方法
• 2.1.4 数据挖掘技术实现
• 2.2 WEB挖掘（WEB MINING）
• 2.2.1 Web挖掘定义
• 2.2.2 Web挖掘的技术优点
• 2.2.3 Web挖掘的分类
• 2.3 WEB使用挖掘
• 2.4 WEB日志挖掘
• 2.4.1 源数据的收集
• 2.4.2 数据预处理
• 2.4.3 事务识别
• 2.4.4 模式发现
• 2.4.5 模式分析
• 2.5 小结
• 第三章 客户选择与客户偏好分析
• 3.1 电子商务个性化简介
• 3.1.1 电子商务个性化服务的概念
• 3.1.2 电子商务个性化推荐服务的研究内容
• 3.1.3 电子商务个性化推荐服务的研究要点
• 3.2 数据分类
• 3.3 决策树分类
• 3.3.1 决策树算法
• 3.3.2 ID3算法
• 3.4 目标客户选择
• 3.4.1 训练集建立
• 3.4.2 构建决策树
• 3.4.3 测试集建立和目标客户确定
• 3.5 客户偏好分析
• 3.6 实例分析
• 3.7 小结
• 第四章 产品关联模式分析
• 4.1 关联规则
• 4.1.1 基本概念
• 4.1.2 关联规则分类
• 4.2 关联规则分析
• 4.2.1 关联规则基本模型
• 4.2.2 频繁项目集生成算法分析
• 4.2.3 关联规则生成算法分析
• 4.3 产品关联模型
• 4.4 实例分析
• 4.5 小结
• 第五章 系统设计与实现
• 5.1 需求分析
• 5.2 推荐产生
• 5.3 系统设计
• 5.3.1 Web日志分析模块
• 5.3.2 数据转换模块
• 5.3.3 目标客户选择模块和客户偏好分析模块
• 5.3.4 产品关联分析模块
• 5.3.5 推荐产生模块
• 5.4 实例分析
• 5.5 系统实现
• 5.5.1 系统开发环境
• 5.5.2 系统功能模块
• 5.6 小结
• 第六章 总结和展望
• 6.1 总结
• 6.2 本文的主要工作
• 6.3 展望与进一步工作
• 参考文献
• 致谢
• 个人简历 在学期间发表的学术论文