基于lbs的电子商务个性化推荐研究

《基于lbs的电子商务个性化推荐研究》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TP399；G202；F73密级公开UDC学校代码10500硕士学位论文（全日制专业学位）题目：基于LBS的电子商务个性化推荐研究英文题目：ResearchonPersonalizedRecommendationofE-commerceBasedonLBS学位申请人姓名：曾俊申请学位学科专业：工商管理指导教师姓名：孙雨生二○一六年十二月分类号TP399；G202；F73密级公开UDC学校代码10500硕士学位论文题目基于LBS的电子商务个性化推荐研究英文题目ResearchonPersonalizedRec

2、ommendationofE-commerceBasedonLBS研究生姓名（签名）曾俊指导教师姓名（签名）孙雨生职称副教授申请学位学科名称工商管理学科代码125100论文答辩日期2016.11.26学位授予日期2016.12.15学院负责人（签名）评阅人姓名明均仁评阅人姓名王战平2016年12月15日摘要随信息爆炸和Web3.0时代到来，个性化推荐应用越来越广泛，但位置数据缺失问题常导致无法提供真正满足用户个性需求信息，而随着移动互联网迅猛发展、移动终端逐渐普及、空间信息技术日趋完善，具有移动性、实用性、随时性

3、等特点的LBS为解决该问题提供了可能：基于LBS个性化推荐不受时空约束、快速响应能即时传递信息的特点成为提升电子商务个性化推荐系统用户使用体验关键。为此，本文选择基于LBS的电子商务个性化推荐进行研究。本文创新之处包括：（1）将用户位置情景信息融入电子商务个性化推荐用文献分析法深入分析基于LBS个性化推荐研究现状，针对大多研究均基于地理位置信息的问题，提出将用户位置情景信息融入电子商务个性化推荐以更真实反映用户个性需求信息，属基于LBS的电子商务个性化推荐研究新尝试。（2）提出新型基于LBS的电子商务个性化推荐算

4、法针对大多基于LBS个性化推荐研究均使用地理位置情境的问题，本文提出抵达时间、用户状态概念以具体化用户位置情景（分解为用户抵达时间、天气和用户状态三种情境信息并纳入个性化推荐），分别分析用户抵达时间、天气和用户状态三种情境下用户信息需求并制定相应个性化推荐算法。（3）设计并初步实现基于LBS的电子商务个性化推荐系统通过数据采集模块收集原始数据和情境数据，针对用户抵达时间、天气和用户状态三种情境设计基于规则电子商务个性化推荐算法，最后通过自适应系统在无需用户显式输入偏好情况下，充分利用用户情境信息为其提供更精准、人

5、性化推荐。全文共分6章，具体如下：第1章介绍了论文选题背景和研究意义，分析了基于LBS个性化推荐和电子商务个性化推荐研究现状，阐述了论文研究方案和组织结构。第2章介绍了LBS、电子商务个性化推荐，详细分析现有基于LBS的个性化推荐关键技术及其进展、典型应用，为基于LBS的电子商务个性化推荐系统设计及实现奠定基础。第3章根据相关理论及技术，分析设计了基于LBS的电子商务个性化推荐系统需遵循的基本原则，提出基于LBS的电子商务个性化推荐系统设计思路、体系I结构、功能模块、运行机理、技术解决方案。第4章阐述了基于LBS

6、的电子商务个性化推荐系统的技术选型、安卓平台设计环境部署，从用户兴趣建模、推荐机制实现、信息资源组织、系统推荐效果展示四方面阐述了所构建的基于LBS的电子商务个性化推荐系统。第5章站在工商管理角度从现有应用对比分析、应用情形、应用模式和价值、应用前景四方面阐述了基于LBS电子商务个性化推荐在实际应用中作用及未来发展趋势。第6章总结了论文工作，展望了后续研究工作。关键词：基于位置服务（LBS）；个性化推荐；电子商务；情境感知IIAbstractWiththeinformationexplosionandthearr

7、ivaloftheWeb3.0era，personalizedrecommendationismoreandmorewidelyapplied，butthemissingofpositiondataleadstothefailureofprovidinginformationthatmeettheindividualneedsofusers，andwiththerapiddevelopmentofmobileInternet，theincreasingpopularityofmobileterminals，the

8、spatialinformationtechnologyisbecomingmorecomplete，themobility，practicality，time-unlimitedandothercharacteristicsoftheLBSmakeitpossibletosolvethisproblem：personalizedrecommendationbasedon