基于多模型的移动电子商务推荐系统设计与实现

摘要

随着Internet的普及和应用，电子商务因为其成本低廉、便捷、快速、不受时间和空间的限制等优点已在全球流行。电子商务在为用户提供更多选择的同时，其结构也日益更加复杂。一方面，用户面对大量的商品信息，很难快速找到自己真正需要的商品；另一方面，商家也无法与消费者面对面的交流。个性化的电子商务推荐系统能根据用户行为特征为用户提供一对一的服务，快速帮助用户找到所需的商品，从而顺利完成购物过程。商家通过推荐系统能提高电子商务系统销售能力，保持与客户的联系，提高用户忠诚度和满意度。
　　本文通过对当前B2C网站的电子商务个性化推荐系统分析，提出一种B2C模式下的多模型推荐系统（MMRS）的设计及实现，该系统通过对用户购物历史记录、Wap元数据以及用户注册信息处理，运用关联、聚类的方法，最后给出商品的推荐结果。这种对不同用户的多模型的推荐方案，即使新老用户由于信息的不同，都能够产生有效的推荐，并能够对新产品产生推荐。文中在推荐算法上做了一定改良，最后利用同组同学的Wap电子商务网站测试数据，对MMRS系统进行验证，发现改良后的算法能收到比较好的效果。

目录

封面

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景与研究意义

1.2本文研究内容

第二章 相关理论基础

2.1数据挖掘技术

2.2 XML 介绍

2.3 开发环境

第三章 多模型推荐框架与关键推荐算法

3.1 多模型推荐系统设计

3.2 推荐算法的研究与改进

3.3 推荐算法实现

3.4 实验结果与分析

第四章 系统设计与实现

4.1系统需求分析

4.2 推荐系统设计

4.3推荐系统工作流程

4.4系统与网站的整合

4.5 系统实现

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

攻读硕士期间发表的论文

致谢