电子商务系统中web数据挖掘技术的研究与实现-计算机应用技术专业论文.docxVIP

万方数据 摘 要 摘 要 随着 Internet 的兴起和普及，电子商务因为其成本低，方便快捷，足不出户就 可购买商品等优点已经在全球得到普及和发展，并成为未来发展的趋势。然而， 随着电子商务系统规模的扩大，大量的 Web 页面提供给用户越来越多的选择，它 的发展面临了两大问题：一是用户面临众多的商品并不是全都感兴趣，会迷失在 复杂的网络信息空间中，无法迅速有效地寻找到满意的商品；二是商家也不能了 解用户的需求，提供给用户千篇一律的界面，不能够保证客户的忠诚度。因此， 个性化地服务是制约电子商务系统发展的关键。 Web 数据挖掘技术（Web Data Mining）就是在这一需求下运用在了电子商务 系统中。Web 数据挖掘，是数据挖掘技术在 Web 领域的延伸与发展，是从大量的 Web 文档集合和在站点内进行浏览的相关数据中发现潜在的，有用的模式或信息， 帮助在线用户从海量的数据空间中高效???获取有价值的知识。Web 数据挖掘与电 子商务系统结合可以为用户提供个性化地服务。本文的主要工作如下： 1. 分析了传统的协同过滤推荐算法的不足，针对原始用户-项目评分矩阵的稀 疏性，提出了基于项目属性的混合协同过滤推荐算法。算法改进了传统的项目相 似度算法，增加了基于项目属性的相似度计算，然后再根据新的项目相似度，预 测用户对未知项目的评分，填充了原始用户-项目评分矩阵，再计算用户相似度， 通过最近邻产生 TopN 项目推荐。最后通过实验证明了新算法使预测精度明显提 高。新算法缓解了原始矩阵的稀疏性，又保留了传统协同过滤推荐算法的优势。 2. 分析了 Web 日志频繁路径挖掘的经典算法 Apriori 算法和 WAP 算法，指出 了各自的缺陷，提出了基于 WAP-Tree 的连续频繁遍历路径算法。算法与 WAP 算 法相比，适合挖掘连续频繁访问路径，挖掘过程中不会生成大量中间数据，受支 持度的影响很小，最后从理论和实验上证明了算法性能的优越性。 3. 运用提出的基于项目属性的混合协同过滤推荐算法和改进的频繁遍历路径 挖掘算法，设计与实现了网上书城电子商务系统，实现了商品的个性化推荐。 关键词：电子商务，个性化，协同推荐，Web 日志挖掘 I ABSTRACT ABSTRACT With the popularity of Internet, e-commerce has been widely used and become the future trend because of its low cost, convenience. However, with the expansion of e-commerce system, there are two problems as a large number of web pages provide users with more and more choices. Firstly, users are not interested in all the goods. As a result, they will be lost in the complex information space. Secondly, businesses do not understand the requirements of users. They provide users with the same interface that can not guarantee customers’loyalty. Therefore, personalized service is the key to the development of e-commerce system. Web Data Mining Technology(Web Data Mining) is applied to e-commerce in the demand. Web data mining is the extension and development of data mining technology in the web field. It’s used to discover potentially useful models and information in a collection of documents and the relevant data that is found across web, which helps people online get valuable knowledge. Web Data Mining and e-commerce systems can be com