摘要

　　當今社會(huì ),計算機技術(shù)和網(wǎng)絡(luò )呈現一個(gè)快速發(fā)展的狀態(tài),伴隨而來(lái)的是網(wǎng)絡(luò )信息以幾何級速度增長(cháng),越來(lái)越多的信息出現在網(wǎng)絡(luò )中,但是有價(jià)值的信息很難被用戶(hù)第一時(shí)間獲取,如何解決信息超載帶來(lái)的查找有用信息困難的情形,成為一個(gè)非常重要的問(wèn)題。

　　電子商務(wù)推薦系統是解決信息超載的主要方式之一。電子商務(wù)推薦系統方便了用戶(hù),幫助用戶(hù)發(fā)現他們所需要的商品,提高了營(yíng)銷(xiāo)效果,在電子商務(wù)推薦系統中,用戶(hù)的偏好信息可被電商網(wǎng)站的推薦算法獲取到,然后推薦給用戶(hù)可能喜歡的商品,并已經(jīng)獲得了巨大的成功。

　　但是,目前為止還有大量的間題值得我們研究。在本論文工作中,一方面,我們對部分算法進(jìn)行了整合即對基于物品的協(xié)同過(guò)濾推薦,基于用戶(hù)的協(xié)同過(guò)濾推薦,基于Slopone算法的推薦進(jìn)行了組合推薦;另一方面,根據W往的推薦算法,我們將馬爾科夫邏輯網(wǎng)絡(luò )模型引入到推薦算法中,構建推薦模型,并通過(guò)實(shí)驗結果對算法進(jìn)行了評估。同時(shí),本系統采用J2邸架構技術(shù)和基于B/S的H層體系結構模式來(lái)對整體框架進(jìn)行搭建,完成了電商網(wǎng)站各功能模塊的設計。

　　關(guān)鍵詞:J2EE;馬爾可夫模型;商品推薦;電子商務(wù)

ABSTRACT

　　Nowadays, with the rapid development of computer technology and the network, the quantity of network information is soaring and a growing number of information appears in the network,but valuable information is difficult to be captured instantly,how to extract the useful information through vast quantition of information is becoming a very important issue.

　　E-commerce recommendation system is one of tile main ways to solve the information overload issue, e-commerce recommendation system brings a lot of benefits to users ans helps users find the goods they need , improves the marketing effect. In the e-commerce recommendation system, the user's preferences information can be obtained by the recommended algorithm of the website and toen speculate the goods toat the user maybe link, and finally recommend to them. And this method is widely used now.

　　However, so far there are a lot of problems worthy of our study, in this paper, on the one hand, we have improved some of the algorithm, on the other hand, according to the previous recommendation algorithm, we put forward a new recommendation algorithm, Finally, the algorithm is evaluated. In our work, the collaborative filtering recommendation of the goods, collaborative filtering recommendation.of the user and the recommendation based on tiie Slopone algorithm are combined, meanwhile, according to the previous recommendation algorithm, we introduce the Markov logical network model into the recommended algorithm,construct the Kcommendation model, and evaluate the algorithm through the experimental results. The system uses J2EE architecture technology and B/ S-based three-ti巧 system interface model to build the overall framework, completed the design of the functional modules of the telecom website.

　　KEYWORDS: j2ee; markov model;commodity Kcommendation; e-commerce

　　隨著(zhù)web2.0的時(shí)代的到來(lái),互聯(lián)網(wǎng)信息越來(lái)越龐大,在如此海量的數據中,篩選出各類(lèi)人所需要的信息就尤為重要。如何找到各人所需要的相應的信息,并且是對自己有用的信息,成為了一個(gè)十分重要的問(wèn)題。在互聯(lián)網(wǎng)上找到自己所需要的信息有多種方式I通過(guò)捜索引擎可以解決這一需求。比較知名的搜索引擎有雅虎、谷歌、百度、必應等。

　　但是送種搜索的方式是一種通用的方式,無(wú)法通過(guò)搜索的形式來(lái)滿(mǎn)足不同人群對不同形式、不同喜好的需求的查詢(xún)。目前,互聯(lián)網(wǎng)信息量過(guò)載的現象越來(lái)越嚴重,送讓人們在信息量過(guò)載的網(wǎng)絡(luò )中處于非常迷茫的狀態(tài),使人們很難精確地找到自己所需要的信息。由此,個(gè)性化服務(wù)成為了我們迫切的一種需求,它針對用戶(hù)的行為習慣、愛(ài)好的不同而特別制定服務(wù)。

　　個(gè)性化推薦已經(jīng)獲及到了諸多方面,比如在用戶(hù)興趣建模、用戶(hù)興趣分析技術(shù)、推薦技術(shù)等,而個(gè)性化推薦技術(shù)越來(lái)越成為個(gè)性化服務(wù)中的核也技術(shù)。隨著(zhù)電子商務(wù)的發(fā)展,推薦技術(shù)己經(jīng)逐漸成為電子商務(wù)網(wǎng)站中的關(guān)鍵技術(shù),個(gè)性化的推薦技術(shù)給各大電商網(wǎng)站帶來(lái)了巨大的經(jīng)濟收益。據有關(guān)部口數據統計,亞馬遜商城的總營(yíng)業(yè)額中的40%都來(lái)自其個(gè)性化服務(wù)的推廣。與此同時(shí),越來(lái)越多的網(wǎng)站開(kāi)始加入到個(gè)性化服務(wù)的行列,實(shí)踐證明,個(gè)性化服務(wù)已經(jīng)逐漸成為各大網(wǎng)站不可或缺的一部分,這都源于個(gè)性化服務(wù)所帶來(lái)的經(jīng)濟創(chuàng )收。

　　但是,推薦服務(wù)作為個(gè)性化服務(wù)的核也技術(shù),還有很多問(wèn)題有待解決。在傳統的推薦技術(shù)中,大多是基于搜索引擎或者是各類(lèi)網(wǎng)站的口戶(hù)站點(diǎn),該種推薦方式是一種被動(dòng)的方式,該種推薦方式不能根據用戶(hù)的需求的變化而實(shí)時(shí)向用戶(hù)推薦不同的商品。個(gè)性化服務(wù)旨在根據用戶(hù)的行為記錄來(lái)分析當時(shí)用戶(hù)的需求,動(dòng)態(tài)的向用戶(hù)推薦該用戶(hù)可能喜歡的商品。信息檢索和信息過(guò)濾都屬于個(gè)性化推薦技術(shù),但是信息檢索存在被動(dòng)響應的缺陷,因此,基于信息過(guò)濾的推薦技術(shù)得到了快速的發(fā)展。

　　目前比較流行的推薦技術(shù)有很多,比如基于協(xié)同過(guò)濾的方法、基于內容的方法、基于關(guān)聯(lián)規則的方法,基于組合過(guò)濾的方法。其中使用最多方法為基于協(xié)同過(guò)濾的方法和基于內容的方法,這些方法也都有自己的優(yōu)缺點(diǎn)。本文針對幾種推薦算法進(jìn)行了組合,使他們的優(yōu)點(diǎn)集合與同一個(gè)算法中,并巧馬爾可夫邏輯網(wǎng)絡(luò )模型引入到推薦算法中,構建推薦模型。實(shí)驗中經(jīng)過(guò)幾種算法的對比,取得了良好的效果。

　　為了滿(mǎn)足客戶(hù)購買(mǎi)商品的需求,我們選擇將推薦算法整合到電子商城系統中,在電子商城中,當注冊成為會(huì )員后,客戶(hù)就可購買(mǎi)商城提供的所有商品。網(wǎng)上商城網(wǎng)站是建立在intemet網(wǎng)上進(jìn)行商務(wù)活動(dòng)的虛擬網(wǎng)絡(luò )空間和保障商務(wù)順利運營(yíng)的管理環(huán)境;是協(xié)調、整合信息流、物質(zhì)流、資金流有序、關(guān)聯(lián)、高效流動(dòng)的重要場(chǎng)所。

　　本文在電子商務(wù)平臺中整合了推薦算法,推薦算法針對在平臺上注冊的用戶(hù)的購物行為進(jìn)行了充分的調研,推薦系統對不同的客戶(hù)進(jìn)行相應的商品推送,針對電子商務(wù)網(wǎng)站推薦系統的特點(diǎn),采用合理的系統架構和數據庫,來(lái)搭建提供個(gè)性化推薦服務(wù)的商務(wù)平臺。

　　論文分析了常用的推薦策略,對不同的推薦方法的優(yōu)缺點(diǎn)進(jìn)行了總結與概括,本文將基于用戶(hù)的協(xié)同過(guò)濾算法、基于物品的協(xié)同過(guò)濾算法,基于Slopone的推薦算法蘭個(gè)算法進(jìn)行有效的整合,最終給不同的客戶(hù)推薦不同的商品。同時(shí),在基于馬爾可夫邏揖網(wǎng)絡(luò )模型的基礎上構造模型,増加了推薦系統的推薦策略。

　　在搭建電子商務(wù)平臺時(shí)采用當前網(wǎng)絡(luò )比較流行的B/S　H層體系結構模式和J2EE架構技術(shù)作為系統的整體架構。SSH框架是目前J2EE領(lǐng)域里最熱口而且用得較為成熟的一套開(kāi)源框架,它是基于MVC設計模式之上,在充分發(fā)揮MVC設計模式優(yōu)點(diǎn)的同時(shí),也創(chuàng )造出了自己的開(kāi)發(fā)特點(diǎn),降低了應用程序的賴(lài)合性,更進(jìn)一步提高了應用程序的復用性、移植性、靈活性、擴展性和應用性能。SSH是一套輕量級的開(kāi)發(fā)框架,SSH包含了　EJB開(kāi)發(fā)的優(yōu)勢,提高了開(kāi)發(fā)和執斤的效率,SSH相比較于EJB更容易被理解和學(xué)習。

　　本論文分為六章:

　　第一章介紹關(guān)于本文的研究背景、研巧意叉從及主要研究?jì)热?闡述論文的目標。

　　第二章詳細介紹本文采用的推薦算法,并介紹了馬爾可夫邏揖網(wǎng)模型,基于馬爾可夫邏輯網(wǎng)絡(luò )模型構造了推薦算法模型。

　　第三章介紹了組合推薦算法和基于馬爾可夫遙輯網(wǎng)模型的推薦算法的實(shí)驗設計,并給出了實(shí)驗結果。

　　第四章提出系統的需求分析,并設計各功能模塊。

　　第五章為對本系統的各模塊的實(shí)現化及系統的相關(guān)測試。

　　第六章對論文進(jìn)巧了總結及以后工作的展望。

　　商品推薦系統測試：

用戶(hù)注冊

易郵郵件服務(wù)器

用戶(hù)登陸

激活郵件

訂單支付

訂單管理

主要測試方法

目錄

　　摘要
　　ABSTRACT
　　第一章 緒論
　　　　l.l 研究的背景和意義
　　　　1.2 推薦系統研究現狀
　　　　1.3 論文的主要內容
　　　　1.4 論文的組織結構
　　第二章 推薦算法
　　　　2.1 推薦算法分析
　　　　　　2.1.1 協(xié)同過(guò)濾推薦算法簡(jiǎn)介
　　　　　　2.1.2 基于用戶(hù)的協(xié)同過(guò)濾算法(user-based collaborative filtering)
　　　　　　2.1.3 基于物品的協(xié)同過(guò)濾算法(item-based collaborative filtering)
　　　　　　2.1.4 基于Slopone的推薦算法
　　　　　　2.1.5 組合推薦算法
　　　　2.2 基于馬爾可夫邏輯網(wǎng)模型的推薦算法
　　　　　　2.2.1 馬爾可夫邏輯網(wǎng)概述
　　　　　　2.2.2 —階邏輯概述
　　　　　　2.2.3 馬爾可夫邏輯網(wǎng)與一階知識庫
　　　　　　2.2.4 馬爾可夫邏輯網(wǎng)算法
　　　　　　2.2.5 馬爾可夫邏輯網(wǎng)的應用
　　　　　　2.2.6 基于馬爾可夫邏輯網(wǎng)模型的建模
　　　　2.3 本章小結
　　第三章 實(shí)驗設計和算法評估
　　　　3.1 數據集
　　　　3.2 評測指標
　　　　3.3 實(shí)驗設計
　　　　　　3.3.1 組合推薦
　　　　　　3.3.2 基于馬爾可夫邏猜網(wǎng)模型的推薦
　　　　3.4 實(shí)驗結果
　　　　3.5 本章小結
　　第四章 系統分析與設計
　　　　4.1 系統分析
　　　　　　4.1.1 可行性分析
　　　　　　4.1.2 需求分析
　　　　4.2 系統設計
　　　　　　4.2.1 系統設計目標
　　　　　　4.2.2 系統的設計原則
　　　　4.3 數據庫總體設計
　　　　　　4.3.1 數據庫概念設計
　　　　　　4.3.2 數據庫邏輯設計
　　　　4.4 數據庫中數據表的實(shí)現
　　　　4.5 推薦系統網(wǎng)站的功能設計
　　　　4.6 商品推薦流程
　　　　4.7 本章小結
　　第五章 系統實(shí)現與測試
　　　　5.1 各模塊功能的實(shí)現
　　　　　　5.1.1 推薦模塊
　　　　　　5.1.2 用戶(hù)注冊和登錄功能
　　　　　　5.1.3 購物車(chē)功能
　　　　　　5.1.4 商品巧單功能
　　　　　　5.1.5 商品分類(lèi)管理功能
　　　　　　5.1.6 商品管理功能
　　　　　　5.1.7 巧單管理功能
　　　　5.2 系統測試
　　　　　　5.2.1 單元測試
　　　　　　5.2.2 集成測試
　　　　5.3 本章小結
　　第六章 總結與展望
　　　　6.1 總結
　　　　6.2 展望
　　參考文獻
　　致謝

（如您需要查看本篇畢業(yè)設計全文，請您聯(lián)系客服索取）