基于客户资料挖掘的电子商务网站的设计与实现毕业设计(编辑修改稿)

基于客户资料挖掘的电子商务网站的设计与实现毕业设计(编辑修改稿)内容摘要：

26 数据集 26 评价指标 27 测试准备 27 测试对象 27 测试结果及分析 28 相似度 算法的影响 28 最近邻体积的影响 28 推荐质量的测试 29 基于用户聚簇的测试 30 本章小结 30 第五章 总结与展望 31 总结 31 展望 31 致 谢 33 参 考 文 献 35 I 摘 要 随着 因特网 在全球的普及和人们生活水平的提高，商品和服务信息 指数级的 增长造成的信息过载已经成为制约电子商务发展的瓶颈。 伴随着电子商务平台的日益成熟，个性化的商品推荐已经成为满足个体对个性化商品信息需求的重要手段。 本课题针对目前在电子商务领域应用最成功也是最广泛的协同过滤推荐系统技术进行了学习研究，并具体实现了其中的典型算法 ―― 基于项目的和基于用户的协同过滤算法， Slope One 算法等。 在此基础上，针对随着电子商务系统用户数目和商品数目日益增加 ， 在整个用户空间上寻找目标用户的最近邻居非常耗时 ， 导致推荐系统的实时性要求难以保证的问题 ， 提出并实现了一种基于用户聚类的协同过滤推荐算法 ， 根据用户对项目评分的相似性对用户进行聚类 ， 生成相应的聚类中心 ， 在此基础上计算目标用户与聚类中心的相似性 ， 从而只需要在与目标用户最相似的若干个聚类中就能寻找到目标用户的大部分最近邻居并产生推荐列表。 最后利用美国明尼苏达大学的世界上最大的开放数据集 MovieLens 进行了协同过滤算法不同衍化版本的实验分析 ， 试验结果 表明 用户聚类的算法要比基于用户的算法在性能上要好得多，同时在质量上也比基于用户的算法要好。 关键词 ： 电子商务，个性化推荐，协同过滤，聚类 II ABSTRACT With the highspeed development of inter and improvement of people’s living, because of the exponential increment of products and services information, information overload and information disorientation are obstructions which restrain people from using inter information efficiently. Personalized remendation system can remend information automatically according to users39。 interest . It has bee an important means to meet the individual needs of individual modity information. Remendation system is one of the most important techniques used in ECommerce. Many remendation systems employ collaborative filtering to generate remendations. The thesis summarizes and realizes the classical algorithms of collaborative filtering system ,such as userbased and itembased collaborative filtering system. With the gradual increase of users and modities in ECommerce, the timeconsuming nearest neighbor search of the target user in the total user space resulted in the failure of ensuring the realtime requirement of remendation system. A collaborative filtering remendation algorithm based on user clustering was proposed in this paper to solve this problem. Users are clustered based on users’ ratings on items, each cluster has a cluster center. Based on the similarity between target user and cluster centers, the nearest neighbors of target user can be found in the user clusters that most similar to the target user. The system analyzes the performance and quality of the different CF algorithms with the biggest data set MovieLens provided by Minnesota university. Experimental results indicate that this algorithm can effectively improve the realtime performance of remendation systems. KEY WORDS: ECommerce , remendation systems , collaborative filtering , clustering 基于客户资料挖掘的电子商务网站的设计与实现 第一章 绪论 1 第一章 绪论 随着 因特网 的日益普及，人们的购物方式已经发生了巨大的变化，已经由传统到商店直接购买转到 因特网 去订购，这样也改变了销售商和客户之间的关系，客户所追求的不再是购买场所是否方便，而关心的是商品的价值，当然客户选择商品还有他自己的偏好，这样电子销售商就必需了解客户的网上行为、价值取向、兴趣爱好，从而来提高自己产品的市场竞争力。 Web 数据挖掘能从 Web 服务器上大量的数据中提取初原来不知道的但有用的信息和规律。 利用 Web 数据挖掘可以发现顾客的购买偏好，发现什么样的客户是忠实 的客户， 为他们提供个性化服务，延长客户的驻留时间；发现潜在客户，为他们提供个性化的页面，变潜在客户为忠实客户，扩大市场占有率；分析客户未来可能发生的行为，进行有针对性的营销活动，提高广告的投资回报率 ； 当然利用 Web 挖掘还可以事先信用评估，欺诈检测，投资组合管理等多方面的应用 [1]。 因特网 的迅猛发展将人类带入了信息社会和网络经济时代，对企业发展和个人生活都产生了深刻的影响 [2]。 一方面，基于 因特网 的虚拟企业不再需要像传统的物理环境下企业那样的实体投资，企业与顾客、供应商等建立起更直接的联系，电子商务 模式为企业发展提供了更多的机会；同时， 因特网 的发展正。