数据挖掘 毕业论文.doc

数据挖掘_毕业论文数据挖掘_毕业论文
中南大学
本科生毕业论文设计
题目基于客户资料挖掘的电子商务网站的设计与实现
学生姓名张武健
指导教师费洪晓蒋翀
学院软件学院
专业班级软件工程0401班
完成时间 2008年5月
目录
摘要 I
ABSTRACT II
第一章绪论 1
11研究背景与现状 1
12个性化推荐系统综述 2
13个性化推荐系统的评价标准 4
14个性化推荐系统面临的挑战 5
com问题 5
com技术集成问题 5
com题 5
15论文组织结构 6
第二章协同过滤推荐系统 7
21协同过滤推荐综述 7
com户的协同过滤算法 7
com源项的协同过滤算法 7
com Slope One算法 8
22协同过滤推荐系统的流程 8
com据的收集与处理 8
com搜索 10
com荐结果 11
23协同过滤推荐的特性分析 12
com滤推荐系统的优点 12
com滤推荐系统的缺点 13
24 本章小结 13
第三章协同过滤推荐系统设计 14
31 协同过滤推荐系统的总体设计 14
com 协同过滤推荐系统的设计目标 14
com滤推荐系统总体框架 14
32数据管理DataManager的模块设计 15
com模块 15
com好模块 16
com块 16
com理模块 16
33相关性算法实现的模块设计 17
comearson相关性算法 17
com源项相关性算法 18
compearman相关性算法 19
34最近邻用户算法的模块设计 20
35个性化推荐 21
com源项和用户的推荐 21
com SlopeOne算法推荐 22
36基于用户聚类的推荐 23
37本章小结 25
第四章实验结果及其分析 26
41数据集 26
42评价指标 27
com 测试准备 27
com 测试对象 27
43测试结果及分析 28
com算法的影响 28
com体积的影响 28
com量的测试 29
com户聚簇的测试 30
44本章小结 30
第五章总结与展望 31
51总结 31
52展望 31
致谢 33
参考文献 35
摘要
随着因特网在全球的普及和人们生活水平的提高商品和服务信息指数级的增长造成的信息过载已经成为制约电子商务发展的瓶颈伴随着电子商务平台的日益成熟个性化的商品推荐已经成为满足个体对个性化商品信息需求的重要手段
本课题针对目前在电子商务领域应用最成功也是最广泛的协同过滤推荐系统技术进行了学****研究并具体实现了其中的典型算法――基于项目的和基于用户的协同过滤算法Slope One算法等在此基础上针对随着电子商务系统用户数目和商品数目日益增加在整个用户空间上寻找目标用户的最近邻居非常耗时导致推荐系统的实时性要求难以保证的问题提出并实现了一种基于用户聚类的协同过滤推荐算法根据用户对项目评分的相似性对用户进行聚类生成相应的聚类中心在此基础上计算目标用户与聚类中心的相似性从而只需要在与目标用户最相似的若干个聚类中就能寻找到目标用户的大部分最近邻居并产生推荐列表
最后利用美国明尼苏达大学的世界上最大的开放数据集MovieLens进行了协同过滤算法不同衍化版本的实验分析试验结果表明用户聚类的算法要比基于用户的算法在性能上要好得多同时在质量上也比基于用户的算法要好
关键词
ABSTRACT
With the high-speed development of and improvement of peoples living because of the exponential increment of products and services information information overload and information disorientation are obstructions which restrain people from using information efficiently Personalized mendation system can mend information automatically according to users interest It has e an important means to meet the individual needs of modity information
mendation system is one of the most important techniques used in merce Many mendation systems employ collabo