电子商务推荐系统

随着计算机技术的发展，电子商务也在不断的发展，由此带来的竞争也更加的激烈，为了提升企业的市场竞争力，各个企业都利用促销的手段来吸引顾客。针对电子商务来说，如何提升销售量，并保持客户的忠诚度，是企业的管理者需要考虑的问题。本系统采用B/S架构，通过改进的Apriori算法构建推荐模型，进而建立电子商务推荐系统，为顾客推荐他们感兴趣的对象，增加客户的忠诚度，提升企业的效益。     

基于商品属性隐性评分的协同过滤算法研究

在分析目前电子商务推荐系统及算法存在问题的基础上,提出了一种准确的、实时的、基于Web日志的Internet电子商务推荐算法。基于客户浏览行为,设计了CGA（Customer-Good-Attribute）模型,综合考虑客户浏览路径和时间、商品属性及其在网页中的分布等因素,研究了客户对商品属性的隐性评分函数,给出了算例说明,讨论了基于商品属性的协作过滤算法。该算法已成功应用于电子商务智能模拟系统中。     

基于客户偏好的页面隐式电子商务推荐技术探究

针对目前电子商务推荐系统存在的数据稀疏性问题,提出了基于客户偏好的隐式协同过滤算法CPPICF,并对算法进行了详细的设计,最后通过实验验证了该算法的有效性,提高了推荐系统的精确性。     

基于智能体的电子商务协作推荐系统

传统的协作筛方法存在的主要问题是需要人为地提供评价，该文对其进行了改进，根据用户事务模式自动获取用户评价，构建评价矩阵。针对现有个性化信息推荐系统存在的问题，将Agent应用到电子商务个性化信息推荐，引入设计的协作筛方法，设计了基于Agent的电子商务协作推荐系统(ECCRS)。ECCRS是基于服务器端的电子商务协作推荐系统，它考虑了用户访问页面的时间特性，不需要用户注册，在推荐时考虑了页面的新颖性，同时实现了离线处理、增量更新与在线推荐的结合。实验结果表明，ECCRS采用的推荐方法是有效的。     

电子商务个性化推荐系统的构建

针对电子商务环境下,客户需求日趋差别化,构建个性化推荐系统,进而阐述该系统的功能及工作流程,并具体分析系统的结构,旨在更为有效地为客户推荐其所需信息。     

基于自适应滤波的个性化推荐系统设计

电子商务发展迅速,互联网的发展更成为电子商务的引擎,电子商务网站如雨后春笋一样成长起来,但是"信息超载"成为当前电子商务网站的一大弊端,让客户面对纷繁复杂的货物一筹莫展。该文分析了当前应用的几种个性化推荐方法,对它们的不足进行了分析,并提出了一种基于自适应滤波的个性化推荐系统,能为客户提供个性化的推荐服务,而且随着时间的推移,系统在性能上会更加出众。     

基于案例推理的电子商务个性化推荐系统

在电子商务个性化推荐系统中，输入数据过多地依赖客户对项目的评价。针对这一问题，该文将基于案例推理技术引入到个性化推荐系统的研究中，提出了一种新的系统结构框架，分析了该框架的关键技术，通过简单的示例说明了案例推理技术在个性化推荐系统中的应用过程，并验证其有效性和准确性。     

基于Web数据挖掘的电子商务推荐模型研究

当前电子商务推荐系统的推荐精度和实时性是一对矛盾,针对这个问题,以Web数据挖掘技术在电子商务推荐系统中的应用为重点,设计一个基于Web挖掘的电子商务推荐系统应用框架,整个体系结构分为离线部分和在线部分两部分,并且对在线模块的各部分功能进行详细的介绍.     

一种基于Web数据挖掘的电子商务推荐系统

在对Web数据挖掘技术和电子商务推荐系统进行研究生的基础上,设计和提出了一种基于Web数据挖掘的电子商务推荐系统.该系统根据电子商务网站的基本特征,设计了用户当前兴趣表示方法和推荐算法,由于结合了Web使用挖掘和Web内容挖掘为顾客提供个性化推荐服务,从而较大提高了系统的推荐精确度,在实际应用中取得了较好的推荐效果.     

基于需求线索的电子商务推荐系统

传统电子商务推荐系统采用离线方式分析和处理客户需求信息,因而丧失了时效性.为解决相关问题,提出了基于需求线索的推荐系统.给出了系统的基本模型、数据结构、关键算法以及运行流程.该系统采用需求线索跟踪的方式收集客户当前的需求信息,从而进行需求倾向分析;并在需求VS商品叠加空间中匹配和检索需要推荐的商品与客户.在线营销仿真实验表明,系统具有较好的及时响应能力和较高的客户满意度.     

基于移动Agent的智能购物系统研究

随着Internet的快速发展,基于网络的电子商务显示出比传统商务的巨大优势,极大提高了传统商务活动的效益和效率。本文在分析了移动Agent技术的基础上,设计了一种基于移动Agent的智能购物系统,为客户搜索符合客户要求的商品信息,推荐合理的商品,实现客户与商家的双赢。     

一种改进的协同过滤推荐算法

目前,协同过滤算法在电子商务中得到了广泛的应用。伴随着网络上客户和产品的数量剧增,推荐系统的推荐效率成为了推荐系统在电子商务中应用的一大挑战。因此,提高协同过滤算法的效率变得越来越重要。本文开发了一种基于Hadoop的协同过滤推荐算法,实现了用MapReduce分布式计算框架来提高推荐算法的效率,同时也扩大算法的可扩展性。实验表明:基于Hadoop集群的推荐算法在推荐系统的可伸缩性和效率方面都有极大的优化。     

基于B/S的网上银行系统的设计与开发

网上银行系统是根据现代化电子商务的发展而设计的银行交易系统，它可以使银行职员的业务操作和管理简便，同时为客户设计了自助端服务，使客户能方便地完成取款、转帐等一些自助服务功能。     

基于Hadoop的关联规则算法在电子商务中的应用

近年来,电子商务的快速发展,给用户带来了极大的便利,同时对电子商务网站能否提供快速有效的服务提出了很大考验。电子商务推荐系统的提出有效地解决了这一问题,受到广泛关注。本文简要介绍一种电子商务推荐系统,然后以Apriori算法为基础进行关联规则数据挖掘,并在Hadoop平台上重写分布式Apriori算法,重点研究基于Hadoop的关联规则算法在海量数据下能否快速有效地发现关联数据,及时向用户推荐相关商品,防止客户流失,增加销售利润。     

一种柔性的电子商务推荐系统*

首先概述了电子商务推荐系统的相关研究工作,指出目前的推荐系统结构不够灵活、柔性,然后运用柔性理论对电子商务推荐系统进行了柔性分析,进而提出了一个柔性的电子商务推荐系统。该系统通过策略模块去完成推荐需求与实现之间的映射,通过这个映射完成不同的推荐服务。系统的设计遵循构件化的原则,以做到随着策略的改变能够灵活调整。     

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Web挖掘的电子商务推荐系统应用研究

以Web挖掘在电子商务推荐系统中的应用为重点,设计一个基于Web挖掘的电子商务推荐系统应用框架,并详细的分析了它的组成部分.＃     

推荐技术在电子商务中的运用综述

推荐系统利用从客户的行为中分析出的知识和商品的自身特点来指导用户选择最适合自己需要的商品,同时为电子商务企业实现增值。推荐系统正逐渐成为电子商务系统的标准模块之一。首先回顾了到目前为止推荐系统主要的实现方法,然后指出了其中尚待改进和完善的地方以及未来研究的方向。     

B2C网上购物推荐系统的设计与实现

根据B2C网上购物的实际背景和目前推荐系统存在的不足,设计和实现了一个运用多种技术相结合的个性化网页推荐系统.这种推荐模型增强了推荐系统的实时性,提高了推荐服务的质量,从而提高了电子商务网站的交叉销售能力和网站商品的销售量.该系统所用的方法、处理过程和推荐形式,对于其他电子商务网站也都有一定的借鉴意义.     

基于多级客户模型的个性化推荐机制

个性化是未来Web智能系统的一大特征．为了实现商品的个性化推荐，提出了一种新的基于多级客户模型的推荐系统机制，它由数据准备、模型学习、推荐集的生成和智能过滤四个子过程构成．该机制借助于多级客户模型从客户的购物需求、偏爱特征和消费能力三方面捕获客户的实际需求，从而实现了一种深层次的个性化推荐，改善了推荐效果．