基于web挖掘技术的电子商务个性化推荐算法研究

《基于web挖掘技术的电子商务个性化推荐算法研究》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、分类号：密级：UDC：编号：河北工业大学硕士学位论文基于Web挖掘技术的电子商务个性化推荐算法研究论文作者：冯丽桥学生类别：全日制学术型硕士学科门类：管理学学科专业：管理科学与工程指导教师：仝凌云职称：教授DissertationSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofManagementScienceandEngineeringTheAlgorithmReachofE-commercePersonalizedRecommendationBasedonWebMiningTe

2、chnologybyFengLiqiaoSupervisor:Prof.TongLingyunNovember2013原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文不包含任何他人或集体已经发表的作品内容，也不包含本人为获得其他学位而使用过的材料。对本论文所涉及的研究工作做出贡献的其他个人或集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。学位论文作者签名：日期：关于学位论文版权使用授权的说明本人完全了解河北工业大学关于收集、保存、使用学位论文的以

3、下规定：学校有权采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供本学位论文全文或者部分内容的阅览服务；学校有权将学位论文的全部或部分内容编入有关数据库进行检索、交流；学校有权向国家有关部门或者机构送交论文的复印件和电子版。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：日期：导师签名：日期：河北工业大学硕士学位论文摘要进行些年来随着网络的迅速发展，B2C电子商务发展异常迅速。但是，电子商务网站为用户提供了越来越多的选择同时，在海量的商品信息下，用户经常会迷失自己，无法找到自己所需要的商品。在电子商务日益激烈的竞争中，个性化推荐

4、系统越来越受到企业的追捧，成为电子商务研究的重要领域，它可以模拟销售人员向顾客推荐商品，使顾客可以根据自己的喜好来进行物品的搜索，快速、有效的完成购物，增强网站的竞争力。本文通过对数据挖掘技术、Web挖掘技术、模糊聚类技术、Markov技术以及对目前电子商务网站的个性化推荐系统的发展趋势进行分析研究，构建了基于Web挖掘的电子商务个性化推荐系统。第一、介绍了Web挖掘技术在国内外研究现状，以及Web挖掘在电子商务个性化研究意义。给出了本文的主要研究内容和方法。第二、对数据挖掘进行概述，介绍了数据挖掘的应用与过程；对Web挖掘技术进行了详细介绍，包括

5、电子商务中Web挖掘数据源，数据特点，以及Web挖掘面临的挑战。第三、分析了电子商务网站的个性化推荐技术，传统的个性化推荐技术和基于Web挖掘的个性化推荐技术。构建了基于Web挖掘的个性化推荐系统，从离线部分和在线部分析推荐系统的流程。第四、介绍了模糊聚类分析主要方法，针对Web数据特点提出应用动态直接聚类算法对Web日志数据进行用户聚类和页面聚类，并指出该算法的优越性。第五，采用模糊聚类与Markov链模型结合的方式，先对Web挖掘的数据进行模糊聚类，在每一类中应用Markov模型中进行预测。对基于聚类的Markov链模型和单Markov链模型在

6、预测准确率、时间消耗上进行实验分析，验证了基于聚类的Markov链模型的优越性和有效性，在提高预测精度的同时降低了运算的时间开销和空间开销。最后对论文工作进行总结，结合研究中的不足之处提出有待进一步研究的展望。关键词：电子商务；Web挖掘；模糊聚类；Markov预测；个性化推荐I基于WEB挖掘技术的电子商务个性化推荐算法研究II河北工业大学硕士学位论文ABSTRACTWiththerapiddevelopmentofthenetwork,B2Ce-commercedevelopveryquickly.However,e-commercesitesp

7、rovideuserswithmorechoicesatthesametime,inthemassmerchandiseinformation,usersoftengetlostandunabletofindtheproductwhichtheyneed.Intheincreasinglyfiercecompetitionenvironmentofe-commerce，personalizedrecommendationsystemsareincreasinglyimportant,enterpriseshasbecomeanimportantar

8、eaofe-commerceresearch,itcansimulatethesalesstaffrecommendedp