基于FLASH的Web虚拟商品展示系统的研究与实现

三维虚拟商品展示系统的设计目标主要是为电子商务用户制作基于Web的全方位三维虚拟商品展示方案。三维虚拟商品展示系统的构建方案将能够赢得更多电子商务用户的青睐,帮助用户吸引更多的顾客。基于以上背景,本文构建了一种新理念视野下的Web虚拟商品展示系统方案,具有良好的扩展性、通用性和可维护性,能够为电子商务用户提供统一的商品管理、销售和展示平台。     

基于ARToolKit的三维虚拟商品展示系统设计与实现

研究在现代商品展示中的运用数字化互动技术与视觉效果的实现,阐述现代商品展示的新媒体现象,数字化现代商品展示的概念、特点、表现方式及基本类型。设计一套基于ARToolKit三维虚拟物品展示系统,这个系统通过边框识别、特征点识别,以及特征点匹配与3DS模型渲染等技术实现商品的实时三维虚拟展示。介绍该系统在"大学礼品精品屋"项目中的实际应用效果分析。     

基于Java的商品智能推荐系统设计

随着互联网信息的增长,Web数据挖掘已经成为广泛应用于电子商务商品智能推荐领城。商家能在网上提供的商品种类和数量非常多,用户既不愿意花太多时间在漫无边际的网上寻找商品,也不可能像在物理环境下那样检查商品的质量。因此,用户很希望电子商务系统具有一种类似采购助手的功能来帮助其选购商品,并能根据用户的兴趣爱好自动地推荐给每个用户可能感兴趣的商品。介绍了基于Java的电子商务商品推荐系统的设计,阐述了系统从需求获取到系统分析和设计再到编程实施的整个过程。     

基于关联规则的商品推荐系统

关联规则是数据挖掘中的一个重要问题,本文在研究关联挖掘的基础上,通过对过去客户的交易记录进行分析,建立关联规则,为客户提供商品推荐,从而也为电子商务网站店主提供正确的盈利导向。     

基于协同过滤算法的求职推荐系统设计与实现

我国高等教育和网络招聘的迅速发展,为社会带来了大量的求职需求。如何提高人岗匹配的精准性与效率是关键问题。通过对协同过滤算法进行研究,同时根据用户的特征和喜好构建其个人偏好模型,设计了基于协同过滤算法的求职推荐系统,为用户推荐匹配的岗位和精准个性化的职业路线。     

基于Web3D的网络商品展示系统的设计与实现

针对网络现在以图片为主要展示的商品交易,结合计算机图形学和网络发展形势,利用3D互联网平台,研究了基于WebGL的模型渲染,实现现实商品网上3D显示和互交功能的整个过程和主要设计操作代码,为网络电商的发展提供了可行性建议.     

基于商品基因和遗传算法的个性化推荐系统

为解决“新用户”和“稀疏性”问题,引入商品基因的概念,通过将商品基因库、用户历史行为库、用户在线浏览内容及邻近用户行为数据耦合,形成用户偏好度候选集的兴趣模式抽取模块,然后利用改进的遗传算法优化模块进行模式选取与聚合,完成最优邻居的选择,最后经由推荐模块产生最终的推荐项目集.实验结果表明,提出的算法提高了推荐的准确度和...     

基于Prolog语言的商品推荐知识库模型

针对电子商务个性化推荐问题的特点,引入知识工程的树状表示法,将商品推荐中的三要素转化成描述树进行表达,建立基于Prolog语言的个性化推荐知识库模型。该模型可以根据顾客浏览商品先后次序求解,并与数据库动态地交互数据,实现在线购物的个性化营销。该模型相对独立,通过数据库接口共享电子商务系统数据,能够适应不同结构的电子商务系统。     

基于商品特征的个性化推荐算法

针对现有个性化商品推荐算法精度不高、新商品不能及时推荐等缺点,提出了一种基于商品特征、用户购买日志及用户实时浏览行为的个性化推荐算法。算法首先根据客户的在线浏览情况获取当前客户的购买倾向,然后将客户的购买日志与商品特征数据库进行对比分析,获得客户对商品特征的偏爱度及推荐参照组,依据特征实体的相似度矩阵进行特征推荐组推荐,最后结合当前的购买倾向向客户推荐商品。     

基于商品分类的电子商务推荐系统设计

网络的虚拟性导致信任关系难以建立,交易决策困难。个性化推荐系统可以处理信任评估中的主观因素,提高交易预测的准确性。基于协同过滤的思想建立一个模糊信誉管理系统,突出对一手信息的处理与个性化共享。在一般节点上,采用二层的模糊推理逻辑适应人类的思维习惯,并通过对最近邻可靠值属性的调整定制信任评估;通过超级节点计算和汇总商品分类的信誉值、推荐力等全局变量,依据幂律分布规律设计取值的模糊化函数。最后通过示例说明了系统应用的可行性。     

基于贝叶斯动态预测模型的商品推荐方法

传统的电子商务推荐系统虽然考虑到个性化的推荐,但不能很好的描述用户行为,使得个性化的推荐略显不足。本文提出基于贝叶斯动态预测的模型,并结合Agent技术,很好地建立了用户行为预测模型。该方法以用户历史数据为基础,并结合用户的实时行为建立用户行为预测模型。本文将此方法运用于商品推荐系统中,实验证明此方法能高效地为客户产生个性化的商品推荐集合,优于某些传统方法。     

基于Spark和微服务架构的电影推荐系统设计与实现

推荐系统广泛应用于人们生活的多个领域,日常生活中常见的有电商、电影、音乐和新闻推荐等.推荐系统根据用户的历史偏好主动推送相关的信息,节约了用户的时间,极大地提升了用户的体验.随着大数据技术的发展成熟,数据处理的速度变得更快.该文选取MovieLens电影数据集,并基于大数据分布式处理框架Spark和交替最小二乘法ALS...     

一种基于商品基因的个性化推荐模型维护策略

个性化推荐技术在电子商务系统中起到举足轻重的作用。目前主流的基于内容的推荐技术和协同过滤推荐技术都忽略了商品的特殊属性对用户购买行为的影响,因此提出了基于商品基因的个性化推荐模型解决了这一问题。推荐模型结合用户兴趣的动态变化,通过对模型中基因库的维护,实现用户近期兴趣追踪,从而进一步提高用户满意度及推荐精度。     

基于XML的网络多媒体信息展示系统设计与实现

系统基于.NET平台,用户将图形图像、音频、视频、动画等多媒体信息上传至WEB服务器后,动态生成XML文件,客户端Flash动态读取XML,像播客系统一样调用并展示多媒体信息。     

自适应推荐系统设计与实现

推荐系统是现代电子商务中必不可少的系统。由于数据和计算的复杂度,导致普通应用维护和使用推荐系统变得不容易。文中设计和实现了自适应推荐系统平台。通过自适应推荐系统平台,用户可以不需要大量计算资源而进行复杂而缓慢的推荐系统计算任务,只需对每个推荐任务进行算法和相关细节的定制,就可以实现推荐模型的训练。文章最后展示了系统的主要界面,并介绍了使用方法。     

基于耦合CNN评分预测模型的个性化商品推荐

电子商务中大量评论数据蕴含着丰富的信息,该信息有助于解决个性化推荐系统存在的数据稀疏问题.为了充分挖掘评论数据蕴含的价值,提高商品推荐的准确率,本文提出了基于耦合CNN评分预测模型的个性化商品推荐方法.该方法首先利用耦合CNN构建评分预测模型,将耦合CNN分为用户网络和商品网络,划分成输入层、卷积层、输出层和共享层;用户评论数据和商品评论数据分别从相应网络输入;在评论数据分析时,从字向量角度进行语义分析,同时改变传统的使用单一大小卷积核处理句子的模式,使用多个并行的卷积层,利用大小不同的卷积核对句子进行特征提取;两个网络的输出将共同汇聚于共享层,在共享层使用因子分解机进行评分预测;最后将结果中的高评分商品推荐给用户.经对比实验验证,本文所给方法能够提高商品推荐的准确率.     

基于购物倾向的商品推荐方案研究

为了提高商品推荐系统的性能,从理解 B2C 电子商务平台客户的购物倾向角度出发,进行实时的商品推荐。本 文总结归纳了 B2C 电子商务平台的主要商品推荐位,以及如何基于商品信息建立商品标签,如何判别商品的相似性、相 同性。在上述工作的基础上,重点论述了基于客户购物倾向的实时的商品推荐方案。本文对已有工作进行了深入对比和 分析,对提出的方案进行了必要的理论分析和性能评估。并从 XBRL 的技术角度,对商品推荐方案进行了改进。     

基于协同过滤的水果推荐系统设计与实现

随着大数据技术的飞速发展,从大量的信息中如何让用户发现和挖掘出有价值的信息,一直是人们研究的热点问题。推荐系统的发展起到了关键作用,主要是发现用户和商品之间的信息,一方面为用户找到有价值的信息,另一方面为用户推荐感兴趣的商品,从而实现了用户和信息生成者的共赢。基于协同过滤的水果推荐系统通过分析用户的历史行为了解用户的喜好,在为用户提供其感兴趣的信息的同时,也能够实现个性化的推荐。