推荐系统研究基于 cbr 和 web 日志挖掘的电子商务-research on recommendation system e-commerce based on cbr and web log mining.docxVIP

西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名： 日期 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保 留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内 容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后 结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。 (保密的论文在解密后遵守此规定) 本人签名： 日期 导师签名： 日期 摘要 摘要 随着电子商务的迅速发展，商家和客户在享受网络带来便捷的同时，信息/产 品过载现象日益严峻，客户淹没在海量信息中却无法快速找到自己需要的商品， 商家也面临失去顾客导致销售困难等难题。在这种情况下，电子商务推荐系统应 运而生。 电子商务推荐系统即利用电子商务网站向客户提供商品信息和建议，帮助用 户决定应该购买什么产品，模拟销售人员帮助客户完成购买的过程。常采用的推 荐技术有：基于内容过滤、基于协同过滤、基于知识发现、基于效用等。其中基 于内容和基于协同过滤技术应用最为广泛，但是基于内容的推荐系统依赖于项目 特征的提取，而且只能发现和用户已有兴趣相似的信息，不能为用户发现新的感 兴趣的资源。基于协同过滤推荐系统也存在冷启动、评价稀疏等问题。 本文分析了案例推理和 web 日志挖掘与电子商务推荐系统相结合的可行性， 综合 CBR 和 web 日志挖掘的特点，提出一个可行的方案，对于容易形式化的部分， 由 web 日志挖掘处理；对于形象化的描述以及难以结构化描述的问题，用案例推 理来完成，充分运用多层次的知识，提高了电子商务推荐系统性能。同时，本文 给出了基于 B/S 和多层结构设计思想的电子商务推荐系统设计方案，给出了实现 的关键技术。 关键字：电子商务 推荐系统 案例推理 web 日志挖掘 基于 基于 CBR 和 web 日志挖掘的电子商务推荐系统研究 Abst Abstract Abstract With the popularization of Internet, E-commerce is developing rapidly and purchasing products from the Internet has become the mainstream. While merchants and customers can enjoy the convenience brought by the network ，the phenomenon of information/product overload becomes increasingly serious . Customers are submerged in huge amounts of information since it is not easy for them to find what they need. The merchants also face the problem of losing customers. In this case, the E-commerce recommendation system comes into being. E-commerce recommendation system provides product information and advice for clients through e-commerce websites to help clients to decide what to buy by simulating the behavior of sales staff to help customers to complete the purchase process. The common recommendation techniques include content-based filtering, based on collaborative filtering, based on knowled