移动用户偏好挖掘分析

《移动用户偏好挖掘分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、移动用户偏好挖掘分析----电子商务论文-->第1章绪论1.1研究背景1.电子商务发展随着电子商务的快速发展和不断的渗透，其对传统商务模式以及生产组织形式的改变，不可谓不是一场重大、深刻的变革。电子商务正在以一种全新的方式改变着人们的生活，为人们生活带来巨大的变化，包括人们的生活方式、消费模式。电子商务在其不断发展的进程中正在逐步的成为这个社会的一个重要的角色。我国的《电子商务“十二五”发展规划》曾指出，截止到2015年，电子商务的有关法律法规将基本建立，对于电子商务交易的信誉、规范和评价体系将基本完成。把电子商务作为企业开拓市场，推动消费方式走向

2、便捷安全、促使中国制造转化升级为中国创造的重要方式手段[1]。2.移动电子商务发展现状移动电子商务正在以其不动声色的方式开始渗透到人们生活中的每一个角落。随着世界经济的全球化发展，推动信息科技技术不断的进步变革，这种变革的动力同时影响着电子商务的发展。技术革命的全球化，经济的全球化使人们对商务事务的要求开始改变。因而，移动电子商务开始走入人们生活，并逐步的被人们认知，使用，最终承认人们生活中不可或缺的一个角色。随着移动通讯设备的普及，全球移动电子商务迅速发展。2005年，全球的移动电子商务的收入就已经达到200亿美元。其中，日本、韩国以及欧美一些发

3、达国家的移动电子商务已经处于国际领先地位。中国作为用户规模世界第一的国家，我国的移动电子商务蕴藏着巨大的市场前景。而便携式电脑、PDA等移动终端的大量普及，也为移动电子商务奠定了良好的基础[1]。相较于我国所拥有的世界级的最大的移动用户市场前景而言，我国移动电子商务的相关业务的发展实际上也只是冰山一角。绝大部分的移动商务业务无论从种类还是量级而言都并不多，且各自用户的活跃程度也不是很高。此外，针对不同用户的不同需求，即用户的个性化需求无法得到满足。因此，在基于不同时间、空间（统称为情境）对不同用户的兴趣和偏好进行挖掘分析[3]，对关联规则挖掘算法进

4、行研究探讨，从而为移动用户提供个性化的服务已经成为一个国际行的研究热点问题[4]。针对移动电子商务中的个性化需求分析的研究已经被全球学术界所重视，很多国内外的学者针对这一领域进行的一系列的探讨和研究。虽然已经获得了一定的科研成果，以及进行了一定的应用，但仍然无法适应先进这个社会对移动电子商务发展的需求。综上所述，移动电商的发展态势空前高涨且势不可挡，同时，人们的生活也越来越离不开电子商务。移动电子商务所带来的一系列高效、高质的生活方式是任何商务模式所不可比拟的。人们在对经济飞速发展同时，对高品质、高效率的生活的需求，使得对移动电子商务的研究已经迫在

5、眉睫。1.2研究意义随着经济技术的快速发展，越来越精细化的服务被人们所渴望[7]。为更大程度上的满足用户的个性化需求，需要更加快速且准确的为用户提供业务服务。而这些要求都是建立在从海量的数据信息中对用户偏好信息的准确、快速的提取和分析。因此本文通过对有关移动用户偏好挖掘分析的大量文献进行研究、阅读的基础上，提出一种改进的移动用户偏好挖掘算法。通过对算法的改进，从而提高对用户数据库的偏好挖掘效率和准确率。这对于个性化需求服务的发展将有着重大的意义。理论上，由于终端处在移动环境中，信息处理能力要求更高。所以对移动商务环境下的用户偏好信息的挖掘的准确性和

6、快捷性会更高。通过对现有用户偏好挖掘算法的改进，可以更精确的把握和获取用户偏好，以便更精准的满足移动用户需求。现实情况中，中国拥有世界上最多的移动用户，世界上最大的移动通信市场。移动市场前景之广阔可见一斑。因此，在移动电子商务发展过程中，在面对海量信息时，充分挖掘移动用户偏好，满足不同用户需求，成为了移动电子商务发展迫切需要解决的难题。而通过对移动用户偏好挖掘方法进行研究，以此找到适合移动用户偏好挖掘的技术，从而，可以对移动用户实时提供更为精确的服务。对于移动电子商务的发展的影响将是深刻而长远的。1.3研究内容通过对上述研究背景的了解，总结和学习，

7、对问题研究意义的探讨。基于此对本文的工作内容做如下安排：首先进行文献调研，技术方法研究，而后进行算法改进，最后进行验证。本文研究思路如图1.1所示。第2章文献调研2.1数据挖掘与知识发现自上世纪六十年代以来，信息技术和数据库技术开始发生了巨大的变化，到七十年代，层次数据系统和网络数据系统初步形成。原有数据库系统被数据建模工具方法和关系型数据库系统替代[8]。直至八十年代，数据库的发展，发生重大转变，数据库特点发生改变，改变即意味着进步。数据库系统与信息产业被计算机技术的发展不断的驱动向前。这样的直接结果就是，数据爆炸式增长，海量的不断产生，人们真正

8、进入到了信息时代[9]。基于此种情况，如何利用这些海量数据，在浩瀚的信息海洋中发现更多有价值的信息，从而将这些有用信息转化