1. 研究目的与意义
（一）选题背景
随着互联网的普及和电子商务的发展，商品推荐系统逐渐成为电子商务it技术的一个重要研究内容，越来越多地得到研究者的关注。目前，几乎所有大型的电子商务系统，如amazon、cdnow、ebay、当当网上书店等，都不同程度地使用了各种形式的推荐系统。而且现在电子商务系统规模的进一步扩大，用户数目和项目数据急剧增加，迫切需要相应信息检索技术产生。商品个性化推荐技术，尤其是协同过滤技术，构成了现有电子商务个性化推荐系统的基础。在这里，之所以强调个性化，是因为需要推荐系统能为每个用户推荐适合他们偏好和兴趣的产品，而不是千篇一律的推荐。
（二）电子商务推荐系统的组成
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究内容和预期目标
（一）研究内容
综合利用协同过滤算法以及基于内容的推荐方法来提供混合推荐。如，实时推荐，热门推荐，离线推荐。具体实现的模块主要有：统计推荐模块、基于lfm的离线推荐模块、基于自定义模型的实时推荐模块、和其他形式的离线相似推荐模块（基于内容的推荐模块、基于物品的协同过滤推荐模块）。
电子商务个性化推荐的研究有四方面的问题：首先，要解决推荐系统的信息来源问题——推荐系统的基础是用户兴趣资料信息，如何在电子商务环境下尽可能获得更多用户的相关信息，并以合适的形式表示是进行个性化推荐的前提；其次，要实现被顾客接受和认可的个性化推荐，设计准确、高效率的个性化推荐算法是核心；另外，要让推荐系统为广大用户所接受，必须对推荐系统作出客观、综合的评价，尤其要注意从准确率、个性化、安全性、用户满意度等多方面进行评价；推荐系统的应用是最终研究的落脚点，推荐系统不仅能为用户提供完全个性化购物环境，更应为企业的销售决策和客户关系管理提供支持。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 国内外研究现状
推荐行为产品或其它项目的软件代理已经在许多应用中使用在电子商务领域，为了增加购买经验并满足客户需求，已经推出了充分利用消费者的访问和购买行为的推荐系统。
推荐者通常通过给用户展示他们可能感兴趣的产品或服务来促进购买。
例如，诸如amazon.com就是通过利用偏好或其他用户购买信息来介绍书籍或者其它产品给用户的推荐系统。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 计划与进度安排
- 2022年11月1日-2022年11月30日：收集课题相关资料，撰写开题报告；
- 2022年12月1日-2022年12月31日：爬取测试数据和ui初步构思；
- 2022年1月1日-2022年1月31日：完成连接数据库，登陆注册，搜索等功能。
以及该模块论文的初步写作；
- 2022年2月1日-2022年2月29日：完成推荐系统算法模块的相关设计。
以及该模块论文的初步写作；
- 2022年3月1日-2022年3月13日：完成初稿；
- 2022年3月14日-2022年4月14日：完成论文修改、定稿、外文文献翻译；
- 2022年4月15日-2022年5月10日：完成论文定稿，答辩ppt制作；
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
5. 参考文献
[1]艾丹祥, 左晖, 杨君, et al. 基于三维协同过滤的C2C电子商务推荐系统[J]. 计算机工程与设计, 2013, 34(2):702-706.
[2]曹高辉, 毛进. 基于协同标注的B2C电子商务个性化推荐系统研究[J]. 图书情报工作, 2008, 52(12):126-126.
[3]邓爱林, 朱扬勇, 施伯乐. 基于项目评分预测的协同过滤推荐算法[J]. 软件学报, 2003, 14(9).
[4]郝海涛, 马元元. 基于加权关联规则挖掘算法的电子商务商品推荐系统研究[J]. 现代电子技术, 2016, 39(15):133-136.
[5]何波, 陈媛, 王华秋, et al. 基于智能体的电子商务协作推荐系统[J]. 计算机工程, 2007, 35(9):216-218.
[6]李文海, 许舒人. 基于Hadoop的电子商务推荐系统的设计与实现[J]. 计算机工程与设计, 2014, 35(1):130-136.
[7]梁昌勇, 冷亚军, 王勇胜, et al. 电子商务推荐系统中群体用户推荐问题研究[J]. 中国管理科学, 2013, V21(3):153-158.
[8]刘凤霞, 孙家蓉. 基于商品分类的电子商务推荐系统设计[J]. 计算机应用与软件, 2014(5):37-41.
[9]马庆国, 王凯, 舒良超. 积极情绪对用户信息技术采纳意向影响的实验研究——以电子商务推荐系统为例[J]. 科学学研究, 2009(10):119-125.
[10]潘宇, 林鸿飞, 杨志豪. 基于用户聚类的电子商务推荐系统[J]. 计算机应用与软件, 2008(04):31-32.
[11]王明文, 陶红亮, 熊小勇. 双向聚类迭代的协同过滤推荐算法*[C]// 全国信息检索与内容安全学术会议. 2007.
[12]王征, 傅立立, 赵磊, et al. 电子商务推荐系统中的人工心理模型[J]. 系统工程, 2014(3):126-130.
[13]吴云峰, 冯筠, 孙霞, et al. 基于多分类器的迁移Bagging习题推荐[J]. 计算机应用, 2013(07):164-168.
[14]徐雁斐, 张亮, 刘炜. 基于协同标记的个性化推荐[J]. 计算机应用与软件, 2008(01):15-17 19.
[15]云飞, 夏燕, 葛家翔, et al. 基于中图法分类用户群的协同过滤机制的应用[C]// 中国数据库学术会议. 2004.
[16]张锋, 常会友, 衣杨. 基于规则的电子商务推荐系统模型和实现[J]. 计算机集成制造系统, 2004, 10(8):898-902.
[17]Hanhua Chen,Hai Jin,Xiaolong Cui. Hybrid followee recommendation in microblogging systems[J]. Science China Information Sciences,2017,60(1).
[18]Hong-Yi Chang,Shih-Chang Huang,Jia-Hao Wu. A personalized music recommendation system based on electroencephalography feedback[J]. Multimedia Tools and Applications,2017,76(19).
[19]Indranil Chakrabarty,Shahzor Khan,Vanshdeep Singh. Dynamic Grover search: applications in recommendation systems and optimization problems[J]. Quantum Information Processing,2017,16(6).
[20]John R. Petrie,Anne L. Peters,Richard M. Bergenstal,Reinhard W. Holl,G. Alexander Fleming,Lutz Heinemann. Improving the clinical value and utility of CGM systems: issues and recommendations[J]. Diabetologia,2017,60(12).
[21]Linlin Cheng,Jeffrey G. Skousen. Comparison of international mine reclamation bonding systems with recommendations for China[J]. International Journal of Coal Science amp;amp; Technology,2017,4(2).
[22]Shunxiang Zhang,Shiyao Zhang,Neil Y. Yen,Guangli Zhu. The Recommendation System of Micro-Blog Topic Based on User Clustering[J]. Mobile Networks and Applications,2017,22(2).
[23]Ying-Si Zhao,Yan-Ping Liu,Qing-An Zeng. A weight-based item recommendation approach for electronic commerce systems[J]. Electronic Commerce Research,2017,17(2).
[24]Yung-Hui Chen,Chun-Hsiung Tseng,Ching-Lien Huang,Lawrence Y. Deng,Wei-Chun Lee. Recommendation system based on rule-space model of two-phase blue-red tree and optimized learning path with multimedia learning and cognitive assessment evaluation[J]. Multimedia Tools and Applications,2017,76(18).
剩余内容已隐藏，您需要先支付
10元 才能查看该篇文章全部内容！
立即支付
