基于智能电子商城购物系统设计.docVIP

基于智能电子商城购物系统设计 　　摘 要： 为提高网络购物的个性化体验，设计和实现了一个基于智能推荐的电子商城购物系统。为达到用户网页浏览行为的分析与预测，推荐算法结合了基于用户和基于项的协同过滤算法，系统构建用户具有偏序结构的关键浏览路径层次图。数据分析结果表明，改进后的推荐算法有助于提升推荐系统的性能，从而满足用户个性化需求。 　　关键词： 智能推荐； 个性化需求； 协同过滤； 相似度； 聚类； 电子商城 　　中图分类号：TP311 文献标志码：A 文章编号：1006-8228（2015）06-39-03 　　Abstract： In order to improve the personalized experience of shopping online， an electronic shopping system based on the intelligent recommendation is designed and implemented. In respect of the users web browsing behavior can be analyzed and forecasted， the recommendation algorithm is combined with the user based and the item based collaborative filtering algorithm. A key browser path hierarchy chart with partial order structure of the user is built. Data analysis results show that the improved recommendation algorithm is helpful to enhance the performance of the recommendation system so that satisfy the users， personalized needs. 　　Key words： intelligent recommendation； personalized needs； collaborative filtering； similarity； clustering； E-commerce 　　0 引言 　　智能推荐系统[1-2]是Internet网上购物过程中解决信息过剩的一种信息过滤技术，向用户推荐感兴趣的信息和商品（衣物、新闻、书籍、电影等等）。推荐系统首先从用户的浏览史和社会环境等信息得到用户特征，根据用户特征能够得到一个用户概况，推荐系统从用户概况等信息推算用户对未看过的商品和信息的喜好程度。 　　在这个信息大爆炸的时代，用户数量和项目数量急剧增加，而可用于评分的项目很少，系统会消耗大量的时间完成推荐算法，导致了不能及时响应用户的请求。本文采用一种项目簇偏好的用户聚类方法，改变了预测评分过程中用户相似性算法，并考虑用户的兴趣随时间变化的情况，保证了系统的实时性。为了避免用户在面对网站大量信息，却无法很快从中获取自己感兴趣的信息的情况，本文设计了基于Web数据挖掘的推荐系统，根据用户的兴趣、特点和购买行为，计算出用户可能喜欢的内容或商品，为不同用户展示不同内容，满足其个性化需求。 　　1 系统关键技术 　　1.1 开发环境 　　1.1.1 数据库 　　本系统使用MySQL数据库[3]，MySQL是一种开放源代码的关系型数据库管理系统，MySQL数据库系统使用最常用的数据库管理语言――结构化查询语言（Structured Query Language）进行数据库管理，具有数据库的通用性，MySQL支持标准的结构化查询语言。本系统数据库的数据表是基础，决定了该系统的可维护与可扩展性，以用户信息表（db_user）为例，其字段设计为： 　　用户信息表db_user：userId（Id号、主键）、userName（姓名）、password（密码）、userTime（注册时间）、userEmail（邮箱）、userSex（性别）、userAge（年龄）、userImg（头像）、userPhone（手机）、userCode（邮编）、userAddress（地址）、userWork（职业）、userMoney（工资）、userLike（爱好）、userRight（用户权限、外键）。 　　1.1.2 Java EE三大框架 　　Struts是开源软件[4]，使用Struts的目的是帮助程序员减少运用MVC设计模型来开发Web应用的时间。Struts对Model，View和Controll