本文由pan276370773贡献pdf文档可能在WAP端浏览体验不佳。建议您优先选择TXT，或下载源文件到本机查看。兰州大学硕士学位论文基于CF的个性化电子商务推荐系统研究姓名：宋伟国申请学位级别：硕士专业：计算机软件与理论指导教师：陈晓云20100501兰州大学硕士学位论文基于ＣＦ的个性化电子商务推荐系统研究摘要随着互联网技术的发展，网络用户剧增。电子商务也越来越受到企业和消费者的青睐。电子商务推荐技术作为电子商务中的重要技术，模仿销售员向客户推荐客户偏好度较高的产品。如何提高电子商务推荐系统的推荐质量，目前已成为专家学者们研究的热点。本文将数据仓库技术应用到电子商务体系构建中，介绍了ｗｅｂ环境下进行会话识别、客户识别、路径辨别、数据清理、数据集成、数据装载等技术，为电子商务数据挖掘提供规范的数据。同时本文在关联规则、协同过滤等技术的基础上设计了个性化的推荐系统。根据客户特点，将客户进行分类，并根据客户不同的分类，采取不同的模式挖掘算法。提出基于内容的跟踪树算法、基于关联规则的协同过滤，并引入分区的理念，为客户提供个性化的服务，从而提高电子商务推荐系统的推荐质量。最后，对算法进行了分析。关键字：数据仓库、数据挖掘、电子商务推荐系统、协同过滤、面向客户兰州大学硕士学位论文基于ＣＦ的个性化电子商务推荐系统研究ＡｂｓｔｒａｃｔＩｎｔｅｍｅｔｕｓｅｒｓｉｎｃｒｅａｓｉｎｇｒａｐｉｄｌｙｂｙｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆＩｎｔｅｒｎｅｔｔｅｃｈｎｏｌｏｇｙ．Ｅ－ｃｏｍｍｅｒｃｅｈａｓｂｅｅｎｇｒｏｗｉｎｇｃｏｎｃｅｒｎｂｙｂｕｓｉｎｅｓｓｅｓａｎｄｃｏｎｓｕｍｅｒｓ．Ｅ－ｃｏｎｌｌｎｅｒｃｅＲｅｃｏｍｍｅｎｄｅｒｓｅｌｌｅｒｓＳｙｓｔｅｍｉｓａｖｅｒｙｉｍｐｏｒｔａｎｔｔｅｃｈｎｏｌｏｇｙｏｆＥ－ｃｏｌＩｌｎｌｅｒｃｅｔｏｔｈａｔｉｍｉｔａｔｅｒｅｃｏｍｍｅｎｄｐｒｏｄｕｃｔｓｔｈａｔｃｕｓｔｏｍｅｒｐｒｅｆｅｒｅｎｃｅｓ．ＨｏｗａｉｍｐｒｏｖｅｔｈｅｑｕａｌｉｔｙｏｆＥ—ｃｏｍｍｅｒｃｅＲｅｃｏｍｍｅｎｄａｔｉｏｎＳｙｓｔｅｍ，ｈａｓｂｅｃｏｍｅｓｃｈｏｌａｒｓ．Ｉｎｔｈｉｓａｒｔｉｃｌｅ，ｄａｔａｈｏｔｒｅｓｅａｒｃｈｂｙｅｘｐｅｒｔｓａｎｄｗａｒｅｈｏｕｓｅｔｅｃｈｎｏｌｏｇｙｉｓｕｓｅｄｉｎＥ—ｃｏｍｍｅｒｃｅ．ＷｅｇｅｔｎｏｒｍａｔｉｖｅｄａｔａｆｏｒＥ－ｃｏｍｍｅｒｃｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ｐａｔｈｄａｔａｍｉｎｉｎｇｂｙｃｌｅａｎｉｎｇ，ｄａｔａｓｅｓｓｉｏｎｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ｃｕｓｔｏｍｅｒｉｎｔｅｇｒａｔｉｏｎ，ｄａｔａｏｎｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ｄａｔａｌｏａｄｉｎｇｅｔｃ．ｃｏｌｌａｂｏｒａｔｉｖｅａＰｅｒｓｏｎａｌｉｚｅｄＥ－ｃｏｍｍｅｒｃｅＲｅｃｏｍｍｅｎｄｅｒＳｙｓｔｅｍｉｓｔｏｐｒｏｐｏｓｅｄｂａｓｅｄｆｉｌｔｅｒｉｎｇ，ｗｈｉｃｈｃｌａｓｓｉｆｙｃｕｓｔｏｍｅｒｓ，ａｎｄｄｉｆｆｅｒｅｎｔｐａｔｔｅｒｎｍｉｎｉｎｇａｌｇｏｒｉｔｈｍｓａｃｃｏｒｄｉｎｇｏｎｃｕｓｔｏｍｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ，ａｄｏｐｔｂａｓｅｄｃｕｓｔｏｍｅｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．ＴｈｉｓａｒｔｉｃｌｅｐｒｏｐｏｓｅｄＣｏｎｔｅｎｔ－ｂａｓｅｄＴｒａｃｋｉｎｇＴｒｅｅ，ＡＲ－ｂａｅｓｄＣｏｌｌａｂｏｒａｔｉｖｅＦｉｌｔｅｒｉｎｇ，ａｎｄｐｕｌｌｉｎＺｏｎｉｎｇｃｏｎｃｅｐｔｔｏｐｒｏｖｉｄｅｃｕｓｔｏｍｅｒｓｗｉｔｈｐｅｒｓｏｎａｌｉｚｅｄｓｅｒｖｉｃｅｔｏｅｎｈａｎｃｅｔｈｅａｎａｌｙｓｉｓｒｅｃｏｍｍｅｎｄａｔｉｏｎｑｕａｌｉｔｙｏｆｅ－ｃｏｍｍｅｒｃｅｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍ．Ｆｉｎａｌｌｙ，ｗｅｏｆｔｈｅａｉｇｏｒｉｔｈｍ．Ｋｅｙｗｏｒｄｓ：ＤａｔａＷａｒｅｈｏｕｓｅ，ＤａｔａＭｉｎｉｎｇ，Ｅ－ｃｏｍｍｅｒｃｅＲｅｃｏｍｍｅｎｄｅｒＳｙｓｔｅｍ，ＣｏｌｌａｂｏｒａｔｉｖｅＦｉｌｔｅｒｉｎｇ，Ｃｕｓｔｏｍｅｒ—ｏｒｉｅｎｔｅｄＩＩ原创性声明本人郑重声明：本人所呈交的学位论文，是在导师的指导下独立进行研究所取得的成果。学位论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究成果做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：互童｝盟日期：塑！！：±：垡关于学位论文使用授权的声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属兰州大学。本人完全了解兰州大学有