b2c网上购物推荐系统的设计与实现

《b2c网上购物推荐系统的设计与实现》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、万方数据第26卷第9期2009年9月计算机应用与软件ComputerApplicationsandSoftwareV01．26No．9Sep．2009B2C网上购物推荐系统的设计与实现刘旭东(烟台职业学院软件工程学院山东烟台264670)摘要根据B2C网上购物的实际背景和目前推荐系统存在的不足，设计和实现了一个运用多种技术相结合的个性化网页推荐系统。这种推荐模型增强了推荐系统的实时性，提高了推荐服务的质量，从而提高了电子商务网站的交叉销售能力和网站商品的销售量。该系统所用的方法、处理过程和推荐形式，对于其他电子商务网站也都有一定的借鉴意义。关键词网上购物聚类关联规则协同过滤个性

2、化网页推荐THEDESIGNA^『DIIMPLEMENTATIONoFRECOMMENDATIONSYSTEMFORB2CoNLINESHoPPINGLiuXudong(Instituteof＆细ⅡreEngineering，YantaiVocationalCollege，Yantai264670．Shandong，China)AbstractAccordingtothebackgroundofB2Conlineshoppingandtheinsufficiencyoftherecommendationsystematpresent，onekindofindividualize

3、dhomepagerecommendationsystembasedonvarioustechniquesisdesignedandimplemented，whichimprovesthereal-timeper—formaneeoftherecommendationalgorithmandthequalityoftherecommendationservice，thustheelectroniccommercewebsiteoverlappingsalesabilityandthewebsitecommoditysalesvolumeissharpened．Thesemeth

4、ods，thetreatingprocessesandtherecommendationformhavecertainreferencemeaningstootherB2Cwebsitesaswell．KeywordsOnlineshoppingClusteringAssociationruleCollaborativefilteringIndividualizedwebpagerecommending0引言随着电子商务的兴起与发展，人们的商务理念也发生改变，经销商和客户之间通过互联网进行交易，节省了大量的费用和时间。如何更快、更好地利用这一现代交易手段，缩短经销商和客户之间的

5、距离，这是目前电子商务亟待解决的问题。而利用网页推荐技术可以有效地帮助企业分析从网上获取的大量数据，发现隐藏在其后的规律性，提取出有效的信息，进而指导企业调整营销策略，给客户提供动态的个性化的高效率服务。目前，网页推荐技术已经被广泛地应用在国内外的各大电子商务网站之中，如Amazon、EBay、CDNOW、MovieFinder以及Joyo、BOL等，都不同程度地应用了电子商务推荐系统⋯，而国内的推荐系统都有一个明显缺点即推荐方法单一，不能综合运用多种手段。基于上述因素，本文设计了一个运用多种技术的个性化电子商务推荐系统，并将其应用到一个正在运营的电子商务购物平台(WVCW．m

6、ama51．corn)中，实验表明，该网站商品销售额明显提高。1推荐系统架构本文提出的电子商务推荐系统架构如图l所示，它包括以下四个子系统：①数据预处理子系统，用户访问网站的信息是以各种形式存放在后台数据库中的，不能满足数据分析的要求，需要将用户信息进行数据预处理；②用户聚类子系统，根据预处理过的数据，通过K—Means聚类算法一。发现相似的用户集合；③商品关联规则子系统，在商品子类层次上进行关联规则挖掘，发现用户感兴趣的子类；④个性化推荐子系统，推测一个用户可能属于什么样的用户集合，然后再对用户感兴趣的商品子类进一步用协同过滤技术进行较为精确的网页推荐。其中只有协同过滤推荐子

7、系统是在线实时工作的，预处理子系统、聚类子系统和关联规则子系统都是离线工作的，这种设计可以最大限度地减少服务器的压力，并提高系统的执行效率一。。争掰学幽’l珊离线糸珊l广：==，===：-1If用户聚类子系统7-：u学：I‘———[_——。I随麴iL．数据挖掘子系统!图1推荐系统架构图当一个用户访问网站的时候，用户信息会通过www服务器传递到数据库服务器中，数据预处理子系统定期从数据库服务器中抽取用户数据，然后把预处理过的数据提交给聚类子系统。聚类子系统根据最新的访问数据定期重新执行聚类算法