基于CBR和Web日志挖掘的电子商务推荐系统研究

摘要

随着电子商务的迅速发展，商家和客户在享受网络带来便捷的同时，信息/产品过载现象日益严峻，客户淹没在海量信息中却无法快速找到自己需要的商品，商家也面临失去顾客导致销售困难等难题。在这种情况下，电子商务推荐系统应运而生。
　　电子商务推荐系统即利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买的过程。常采用的推荐技术有：基于内容过滤、基于协同过滤、基于知识发现、基于效用等。其中基于内容和基于协同过滤技术应用最为广泛，但是基于内容的推荐系统依赖于项目特征的提取，而且只能发现和用户已有兴趣相似的信息，不能为用户发现新的感兴趣的资源。基于协同过滤推荐系统也存在冷启动、评价稀疏等问题。
　　本文分析了案例推理和web日志挖掘与电子商务推荐系统相结合的可行性，综合CBR和web日志挖掘的特点，提出一个可行的方案，对于容易形式化的部分，由 web日志挖掘处理；对于形象化的描述以及难以结构化描述的问题，用案例推理来完成，充分运用多层次的知识，提高了电子商务推荐系统性能。同时，本文给出了基于B/S和多层结构设计思想的电子商务推荐系统设计方案，给出了实现的关键技术。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 传统电子商务推荐系统的主要问题

1.4 论文研究内容

第二章 电子商务推荐技术介绍

2.1 电子商务推荐系统

2.2 案例推理技术

2.3 web 日志挖掘技术

第三章 基于 CBR 和 Web 日志挖掘的电子商务推荐系统研究

3.1 CBR 和 web 日志挖掘技术的引入

3.2 系统设计

3. 3 系统流程

3.4 基于 CBR 和 web 日志挖掘的电子商务推荐系统的优越性

第四章 推荐技术优化与改进

4.1 用户兴趣建模

4.2 基于商品类的用户聚类

4.3 基于商品类的案例组织

4.4 案例检索优化

第五章 总结与展望

5.1 总结

5.2 进一步的工作

致谢

参考文献

在读硕士期间研究成果