基于大数据技术的电子商务个性化推荐系统设计与实现-毕业论文

《基于大数据技术的电子商务个性化推荐系统设计与实现-毕业论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于大数据技术的电子商务个性化推荐系统设计与实现DesignandRealizationforCustomizedRecommendationSystemofE-CommercebasedonBigDataTechnology作者：XXX导师：XXX北京交通大学2021年6月致谢三年充实而又紧张的研究生生活即将结束，在硕士毕业论文完成之际，我要向所有关心、支持、帮助过我的人表示最真诚的感谢！本论文的工作是在我的导师XXX老师的悉心指导下完成的。在论文选题、实验进展以及文章修改等环节，XXX老师的言传身教使我受益匪浅。三年来，XXX老师在生活、工作、

2、学习方面给予了我很大的关怀，给我一切课可以学习锻炼的机会。同时，XXX老师科学的工作方法和严谨的治学态度给了我很大的影响和帮助。我的每一点成绩，每一步成长都凝聚着老师的心血。XXX老师果断的工作作风，严谨的治学态度，敏锐的洞察力，扎实深厚的学识功底都是值得我学习的地方。谨向XXX老师致以深深的谢意！在实验室工作及撰写论文期间，XXX等同学也给予了我热情的帮助，在此向他们表达我的真挚的感谢。他们在我失落的时候鼓励开导我，帮助我恢复信心。他们对我无微不至的关怀，是支持我完成学业的精神动力。他们鼓励我不停向前，当我取得好成绩的时候又告诉我要戒骄戒躁；当我

3、遇到困难和挫折时，他们告诉我要永不气馁，勇往直前。除此之外，我还要感谢我的家人。我的父母不仅哺育我成长，更在我低落的时候给我关怀与鼓励。他们一直在支持着我，在我取得一些成绩的时候，赞扬我，同时又告诫我要踏实谦虚。我要在这里说声：妈妈爸爸，你们辛苦了。最后感谢评审老师能在百忙之中评审我的论文。viii中文摘要摘要：随着大数据时代的到来，用户的个人信息以各种方式分布在不同的存储设备中，集成所有的用户信息并且通过一定的挖掘技术能够得出用户的潜在需求。目前电子商务发展飞速，移动电子商务更将在以后占据主导地位，如何能够迅速挖掘用户的个人潜在需求，把用户可能感

4、兴趣的产品推送给用户成为大数据时代下电子商务企业需要解决的问题。目前电子商务个性化推荐的精准度还有待提高，个性化推荐手段单一，并没有经过深层次的数据分析，而是已基于用户的浏览信息和购买信息给用户推荐相关产品。这种推荐方式的效率不高，大数据时代的个性化推荐框架应该从源头进行分析和挖掘。针对以上问题，本论文先阐述研究背景、国内外相关研究，并深入研究了推荐系统的发展，推荐算法及其应用，同时还探讨了大数据处理框架Hadoop的原理。本文通过对推荐系统理论的研究和应用以及对Hadoop的研究，从大数据集的源头出发，确定了推荐系统的架构和功能并详细设计了推荐系

5、统，主要思想为根据用户信息数据来源的不同方式，集合所有的个性信息，然后使用大数据时代下的挖掘技术，把具有相关联的信息挖掘出來，并且存储到企业的数据库中，供企业进行相关产品的推荐，同时还阐述了推荐系统的主要部分的实现。关键词：电子商务；推荐系统；个性化推荐；大数据技术分类号：[请输入分类号（1-2），以分号分隔。]viiiABSTRACTABSTRACT:Withtheadventofbigdata,userpersonalinformationdistributedindifferentstoragedevicesinavarietyofways.

6、Integratingallusers’informationthroughminingtechniquescandrawpotentialuserneeds.Rapide-commercedevelopment,mobilecommercewilldominateinthefuture.Howcanwequicklytapthepotentialdemandofusers,pushingtheproductsthatusersmightbeinterestedinbecomesaproblemforthee-commerceenterprises

7、intheeraofbigdata.Theaccuracyofpersonalizationrecommendationneedstobeimproved,andthemethodissimplewithoutdeepdataanalysis.Itisbasedonuser'sbrowsingfeaturedrelatedtoproductinformation,andpurchasinginformationtousers.Thiswayofrecommendation’sefficiencyislow,dataminingframeworkfo

8、rpersonalizedrecommendationshouldbeanalysisfromthesource.Toso