数据挖掘技术在电子商务中的商品推荐应用

《数据挖掘技术在电子商务中的商品推荐应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、後旦火学学校代码：1024,5学号}033053421硕士学位论文(专业学位)数据挖掘技术在电子商务中的商品推荐应用院系(所)专业姓名软件学院软件工程肖明指导教师：筮塑曼塾竖完成日期：圣QQ!生!旦!Q￡!束麓搿泌-勿堑之§布数据挖掘技术在电子商务中的商品推荐应用摘要随着互联网的普及和电子商务业务的发展，电子商务网站积累了大量的客户交易数据。如何充分利用这些数据，获得客户的购物模式，对客户进行个性化的商品推荐，从而更好地提高网站的服务质量和经济效益，是电子商务迫切需要解决的问题。当前的电子商务网站一般是采用统计技术和多维分析等传统技术，凭着网站设计人员的经验，设计～

2、些统一格式的商品推荐界面，对客户进行商品推荐。这种商品推荐缺乏个性化，难以达到显著的推荐效果。这些传统技术是验证型的技术，难以获得隐藏在数据背后的知识。而数据挖掘技术的商品推荐应用，正是针对这些问题而提出的。数据挖掘是从大量的数据中，抽取出潜在的、有价值的知识、模型或规则的过程，是属于发现型的技术。因此，数据挖掘技术的商品推荐应用是数据挖掘和电子商务发展的必然趋势。本文首先对电子商务网站在商品推荐方面的现状进行概括，总结了普遍存在的问题，例如商品推荐缺少个性化、针对性和吸引力，商品推荐没有充分利用网站长期积累下来的大量的客户交易数据等等，阐述了把数据挖掘技术应用到商

3、品推荐之中的解决方法及其重要意义，设计了一个基于数据挖掘技术的电子商务推荐系统框架，并阐述了设计与实现过程中所涉及的主要问题及其解决方法。本文的主要研究成果有四个方面：(1)概括了电子商务网站在商品推荐方面的现状，总结了普遍存在的问题，分析了具体原因，阐述了把数据挖掘技术应用到商品推荐之中的解决方法及其重要意义。设计了～个基于数据挖掘技术的电子商务推荐系统框架，并阐述了设计与实现过程中所涉及的主要问题及其解决方法。(2)介绍了数据挖掘技术的商品推荐应用中所涉及的基本理论，阐述了商品推荐应用中使用的数据挖掘技术及其算法思想。分析研究了电子商务推荐系统的设计与实现中所涉

4、及的问题，解决了如何充分利用网站的客户交易数据对客户进行个性化商品推荐等问题。(3)提出了商品推荐形式的数据挖掘分类方法，阐述了这种方法的重要意义。并在分析国内外知名网站和参考相关资料的基础上，总结了丰富多样的商第4更共60页数据挖掘技术在电于商务中的商品推荐应用摘要品推荐形式。对于每一种主要的数据挖掘技术，都有相应的应用范例，提供给电子商务网站的设计研究人员做参考，有利于丰富网站的商品推荐形式、优化和改进网站的界面设计和内部结构。(4)按照数据挖掘技术的顺序，从挖掘技术的分类、网上购物步骤和商品推荐形式三个方面，通过一些具体的例子，阐述了数据挖掘技术在电子商务中的

5、商品推荐应用，对数据挖掘技术的应用进行了有益的探索。关键词数据挖掘，电子商务，电子商务推荐系统第5页共60页墼堡丝塑垫查查皇王塑堑生塑塑曼塑量生旦一一—————尘鉴坚垦!曼!-ABSTRACTBythedevelopmentofInternetandelectroniccommerce，ithasbeenaccumulatedanever—increasingnumberofcommercialdataonelectroniccommercesites．Howtomakebestuseofthesedatatoimproveserviceandincreasesal

6、eshasbeenaseriousproblemforrecommendersystems．Thispaperfirstlyanalyzesthetraditionaltechnologiesforrecommendersystems，thenpresentsanewapproach—Bataminingapplieationsonrecommendersystems，andexplainswhyandhowithelpselectroniccommercesitestopromoteserviceandincreasesalesbyminingtheaccumul

7、atedcommercialdata．Throughthisdataminingapproach．recommendersystemswillbeabletodiScoveunewandusefulbusinessknow]edgefromlargeeommercialdatabasesbyusingmultipledataprocessingandanalyticaltechniques，andgainaninsightintobusihessdata，identifycustomerpatterns，correlationsandmodelsforrecom