基于关联规则和用户喜好程度的综合电子商务推荐系统的研究

发布时间：2017-08-30 03:29

  本文关键词：基于关联规则和用户喜好程度的综合电子商务推荐系统的研究

  更多相关文章： 数据挖掘 推荐系统 关联规则 FP-Growth优化

【摘要】：电子商务的迅速发展带来了用户量和商品量的爆炸式增长,推荐系统作为一种帮助用户筛选信息和提供个性化服务的强大工具很快被应用在该领域的海量数据处理上。推荐系统的核心是推荐算法,关联规则算法是当今最流行的推荐算法之一。在同类算法中,以FP-Growth算法最为著名,但是在当前基于FP-Growth算法的推荐系统中,仍存在置信度缺失、事务无区分度、算法覆盖率低、模型易受攻击以及个性化不足等缺陷,所以FP-Growth算法需要结合当前推荐系统的上述缺陷进行相应的改进。 本文对Mahout下的FP-Growth关联挖掘算法进行了相应改进,并基于改进后的算法设计实现了基于关联规则算法的电子商务推荐系统。具体工作包括：基于支持度和置信度,使算法在强关联规则得以并行实现；设计时效度和兴趣度,克服了事务无区分度的缺陷；设计了基于分层和用户偏好度的TOP-K算法,解决了FP-Growth算法的“长尾商品”的推荐缺失问题；另外,针对算法模型易受攻击的特点设计了双阈值和黑名单机制等。该推荐引擎利用lava技术在]Hadoop平台上设计和实现。实验结果表明,通过对该大型网站的实际业务数据进行关联分析,基于改进的FP-Growth的推荐引擎显著提高了推荐系统的准确率、召回率以及预测覆盖率。
【关键词】：数据挖掘 推荐系统 关联规则 FP-Growth优化
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-13
• 1.1 研究背景9-10
• 1.2 关联规则算法在国内外的研究现状10-12
• 1.3 论文的主要工作12
• 1.4 论文的组织结构12-13
• 第二章 电子商务推荐系统的相关背景和技术概述13-25
• 2.1 推荐系统13-17
• 2.2 并行FP-Growth算法17-20
• 2.3 系统中运用的关键技术20-23
• 2.4 本章小结23-25
• 第三章 基于商务推荐的关联规则算法的改进设计25-35
• 3.1 基于置信度的FP-Growth算法的并行实现25-28
• 3.1.1 问题分析25
• 3.1.2 概念定义25-26
• 3.1.3 算法设计与实现26-28
• 3.2 基于时效度和兴趣度概念的FP-Growth算法28-31
• 3.2.1 时效度28-29
• 3.2.2 兴趣度29-31
• 3.2.3 算法事务的权值的形成31
• 3.3 基于分层和用户偏好程度的TOP-K算法31-33
• 3.3.1 问题提出32
• 3.3.2 补充算法的设计方案32-33
• 3.4 本章小结33-35
• 第四章 电子商务推荐引擎的设计与实现35-55
• 4.1 项目背景35-36
• 4.1.1 业务视角35
• 4.1.2 技术视角35-36
• 4.2 系统架构设计36-39
• 4.2.1 总体架构设计36-37
• 4.2.2 功能架构设计37-39
• 4.3 主要功能模块设计39-50
• 4.3.1 离线计算模块设计40-47
• 4.3.2 在线推荐优化设计47-50
• 4.4 模块测试和系统测试50-54
• 4.4.1 数据选取情况50
• 4.4.2 软硬件资源配置50
• 4.4.3 评估指标分析50-51
• 4.4.4 实验结果及分析51-54
• 4.5 本章小结54-55
• 第五章 总结及展望55-59
• 5.1 研究总结55-56
• 5.2 主要的创新点56
• 5.3 下一步研究方向56-59
• 参考文献59-63
• 致谢63-65
• 攻读硕士学位期间发表的学术论文65

【参考文献】

中国期刊全文数据库 前9条

1 朱郁筱;吕琳媛;;推荐系统评价指标综述[J];电子科技大学学报;2012年02期

2 王娟;;基于FP-Growth算法改进的多层次关联规则挖掘算法[J];电脑知识与技术;2008年34期

3 罗建;李艳梅;;FP-Growth算法改进研究及在电子商务中的应用[J];西华师范大学学报(自然科学版);2010年03期

4 周皓峰,朱扬勇,施伯乐;一个基于兴趣度的关联规则采掘算法[J];计算机研究与发展;2002年04期

5 张新霞,王耀青;基于统计相关性的兴趣关联规则的挖掘[J];计算机工程与科学;2003年03期

6 李凤念;;大数据时代高校图书馆受到的挑战及其发展对策[J];农业图书情报学刊;2014年03期

7 张新猛;蒋盛益;李霞;张倩生;;基于网络和标签的混合推荐算法[J];计算机工程与应用;2015年01期

8 毛宇星;陈彤兵;施伯乐;;一种高效的多层和概化关联规则挖掘方法[J];软件学报;2011年12期

9 宋爱波,董逸生,赵茂先;稠密数据库有趣规则的快速挖掘[J];小型微型计算机系统;2001年07期

，

本文编号：757034