试述算法基于关联规则电子商务个性化推荐模型大专

摘要：随着互联网的不断普及和电子商务网站的快速进展,商品信息过载的不足变得愈发严峻。怎样使网站浏览者在面对大量的商品信息时快速有效地查找到其所需的商品,成为当前电子商务网站进展迫切需要解决的不足。电子商务推荐系统的出现为这些不足的解决提供了策略,但是目前已有着的一些电子商务推荐系统在实际运用中还有着着不足,推荐效率较低,有些还不能满足用户的个性化需求,由此,对于电子商务推荐系统和推荐技术的探讨具有比较大的实用价值。推荐技术是电子商务推荐系统的探讨重点,因为推荐技术的选取是否得当直接联系到推荐质量的优劣。当前国内外对于电子商务推荐技术的相关探讨中,关联规则推荐技术是较为热门的,但在实际运用中,关联规则推荐技术也有着着一些不足,例如：发现关联规则难,在数据稀疏的情况下较难找到具体商品之间的强关联规则,算法在执行的历程中会产生大量的候选项集等,这些不足急需找到解决策略。本论文针对关联规则推荐技术有着的上面陈述的不足,提出了一种关联规则推荐算法,即通过采取概念层次树与FP增加算法相结合的策略来进行关联规则挖掘,这种算法既可以解决数据稀疏以及商品具体概念繁多等不足,又在计算的历程中不会产生大量候选项目集,能够有效地克服Apriori算法的不足,在挖掘时间上有较大优势。作者利用NET平台C#语言实现了该算法,然后通过数据实验将该算法与Apriori算法以及单纯的FP增加算法进行了挖掘效率的比较,数据实验结果表明：结合概念层次树的FP增加算法相对于Apriori算法和单纯的FP增加算法来说同样具有正确性,并且挖掘效率更高,同时还可以发现出不同层次商品间隐含的有价值的联系,能够为个性化推荐模型提供更加丰富、更具普遍作用的知识,并且可以满足更多用户的需求。最后,本论文以某一服装购物网站作为电子商务个性化推荐模型的运用背景,设计了基于结合概念层次树的FP增加算法的电子商务个性化推荐模型。个性化推荐模型设计的主要内容包括推荐模型的系统结构设计、推荐模型主要功能浅析、推荐模型工作流程浅析、推荐模型各个功能子模块的浅析以及后台数据库设计等。该模型通过浅析用户的历史购写记录来挖掘用户的兴趣偏好,然后在不断的更新学习中为用户提供准确的、实时的个性化推荐。关键词：个性化推荐论文关联规则论文概念层次树论文FP增加算法论文

摘要2-4

ABSTRACT4-8

1 绪论8-15

1.1 探讨背景8

1.2 探讨作用8-9

1.3 国内外探讨近况9-11

1.3.1 国外探讨近况9-10

1.3.2 国内探讨近况10-11

1.4 探讨内容及面对的不足11-13

1.4.1 探讨内容11

1.4.2 面对的不足11-13

1.5 本论文工作与组织结构13-14

1.5.1 本论文工作13

1.5.2 组织结构13-14

1.6 本章小结14-15

2 相关论述介绍15-29

2.1 电子商务推荐系统概述15-17

2.1.1 电子商务推荐系统的概念15

2.1.2 电子商务推荐系统的推荐技术15-17

2.2 关联规则技术概述17-27

2.2.1 基本概念17-18

2.2.2 关联规则分类18-19

2.2.3 典型算法19-25

2.2.4 多层关联规则挖掘及相关概念25-27

2.3 基于关联规则的个性化推荐系统探讨概述27-28

2.4 本章小结28-29

3 基于概念层次的关联规则挖掘29-48

3.1 关联规则推荐技术有着的不足29-30

3.2 本论文的解决思路30-47

3.2.1 概念层次论述的引入30-31

3.2.2 挖掘算法的选择31

3.2.3 挖掘关联规则31-47

3.3 本章小结47-48

4 个性化推荐模型设计48-60

4.1 运用背景48-50

4.1.1 推荐模型依附的购物网站说明48-49

4.1.2 推荐模型的嵌入49-50

4.2 个性化推荐模型设计50-59

4.2.1 推荐模型系统结构浅析50-51

4.2.2 推荐模型功能浅析51-52

4.2.3 推荐模型流程浅析52-53

4.2.4 推荐模型各模块浅析53-56

4.2.5 后台数据库设计56-59

4.3 本章小结59-60

5 总结与展望60-62

5.1 本论文总结60-61

5.2 下一步工作61-62