面向网购平台的个性化推荐系统设计与实现

《面向网购平台的个性化推荐系统设计与实现》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、硕士学位论文（工程硕士）面向网购平台的个性化推荐系统设计与实现THEDESIGNANDIMPLEMENTATIONOF PERSIONALIZEDRECOMMENDATIONSYSTEM FORE-COMMERCEPLATFORM张凤婷2012年6月国内图书分类号：TP311学校代码：10213国际图书分类号：621.3密级：公开工程硕士学位论文面向网购平台的个性化推荐系统设计与实现硕士研究生：张凤婷导师：王宇颖教授副导师：杨志雄产品架构师申请学位：工程硕士学科：软件工程所在单位：软件学院答辩日期

2、：2012年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP311U.D.C.:621.3DissertationfortheMaster’sDegreeinEngineeringTHEDESIGNANDIMPLEMENTATIONOFPERSIONALIZEDRECOMMENDATIONSYSTEMFORE-COMMERCEPLATFORMCandidate:ZhangFengtingSupervisor:ProfessorWangYuyingAssociateSupervi

3、sor:ArchitectorYangZhixiongAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:SoftwareEngineeringAffiliation:SchoolofSoftwareDateofDefence:June,2012Degree-Conferring-Institution:HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要目前，电子商务竞争日益激烈，作为电子商务主要支撑服

4、务之一的网购平台，面临着越来越大的挑战。在信息爆炸的时代，为了提高用户服务满意度，实现较强的用户粘性，各电子商务公司均在探讨网购平台如何对用户进行有效地推荐，了解用户的兴趣趋势，帮助用户缩短商品寻找时间，从而提高用户购物体验。基于上述问题本文针对网购平台的用户体验问题，提出了面向网购平台的个性化推荐系统。本文分析了面向网购平台的个性化推荐系统的业务需求和功能需求，并对该系统进行了全面的剖析和实现。具体体现为，详细的介绍了输入准备功能模块的设计与实现、个性化推荐算法模块功能模块的设计与实现、算法结果

5、保存功能模块的设计与实现、场景配置任务功能模块的设计与实现以及推荐请求任务功能模块的设计与实现。其中还应用Map-Reduce编程模型详细阐述了概率传导算法、自投影时序算法、k-means聚类这几种算法的设计和实现。本文所实现的面向网购平台的个性化推荐系统，通过对海量的用户行为以及商品信息进行数据挖掘，支持对客户兴趣的计算和用户潜在偏好的的预测，能够确保用户偏好信息的响应速度和有效性，同时加强了数据的有效管理，为其他相关业务提供了基础数据分析的支持。此系统已在阿里巴巴中国网络技术公司推广使用。该系

6、统不仅有效的提高了商品的点击率，同时增加商品的购买率，提高了用户的满意度。关键词：网购；海量数据处理；数据挖掘；个性化推荐-I-哈尔滨工业大学工程硕士学位论文AbstractNowadays,thecompetitionsinthefieldofE-businessarebecomingmuchmoreintense.ShoppingplatformwhichisthemainsupportcomponentfortheE-business,isfacingmoreandmorechallenge

7、s.Intheeraofinformationexplosion,inordertoimprovethesatisfactionsofusers,toachieveahigherusers’loyalty,lotsofE-commercecompaniesarefocusingontheresearchesofpersonalizedrecommendationfortheshoppingplatform,whichcouldhelpcustomersfindingthecomedieseasil

8、y,andenhancingtheshoppingexperience.Duetotheproblemofusers’experiencepeopleshoppingontheE-commercialplatform,thisthesisintroducedapersonalizedrecommendationsystem.Thisprogramdiscussedthedesignandimplementationsofthepersonalizedrecommendationsy