【正文】 表 52 興趣愛好表 (interest) 字 段名稱 字段類型 字段長度 可否為空 備注 ID NUMBER(20) 20 否 自增 ID，主鍵 NAME VARCHAR2(30) 30 否 興趣名稱 年齡表：表示收禮人的年齡段。由于年齡只有兩種情況，所以年齡不再新建表。 禮品知識庫的設(shè)計 禮品推薦有四個方面的決定因素：節(jié)日場合，送禮人，收禮人和收禮人與送禮人的關(guān)系。 第 五 章 系統(tǒng)實現(xiàn) 系統(tǒng)實現(xiàn)的關(guān)鍵問題及解決方案 禮品信息抓取 本系統(tǒng) 采用 Java 和正則表達式從 淘寶網(wǎng)上抓取 禮品信息，包括 禮品圖片，禮品名稱， 禮品分類， 禮品 URL，禮品所賣商家，禮品價格等信息。 表 53 包類結(jié)構(gòu)清單 類名 描述 BehaviorAction 用戶行為記錄控制類 GiftInfoAction 查看禮品詳細信息控制類 GiftSimilarityAction 禮品相似度推薦控制類 OccationAction 節(jié)日場合推薦控制類 PersonalAction 收禮人描述推薦控制類 RecipientAction 收禮人信息推薦控制類 SimilarityAction 禮品關(guān)聯(lián)度推薦控制類 SearchAction 禮品搜索控制類 UserAction 用戶注冊登錄控制類，用于處理用戶的注冊和登錄 ? 包 包中的類的描述如表 54?？刂七壿嬛饕邮芟到y(tǒng)推薦頁面出來的請求參 數(shù)，然后調(diào)用系統(tǒng)業(yè)務(wù)邏輯層，業(yè)務(wù)邏輯層調(diào)用系統(tǒng)數(shù)據(jù)訪問層并最終返回數(shù)據(jù)，北京郵電大學(xué)研究生畢業(yè)論文 23 控制邏輯將這些數(shù)據(jù)返回到系統(tǒng)推薦頁面。 (3) 推薦子系統(tǒng) 推薦子系統(tǒng)包括知識庫推薦，禮品搜索 和用戶交互 。 系統(tǒng) 整體架構(gòu)設(shè)計 系統(tǒng)架構(gòu)設(shè)計 互 聯(lián) 網(wǎng)知 識 庫 模 型禮 品 專 家S p i d e r初 始 化知識庫推薦用戶交互用 戶進 一 步 完 善網(wǎng) 頁 抓 取 子 系 統(tǒng) 推 薦 子 系 統(tǒng)計 算 相 似 度 禮 品 相 似 度構(gòu) 建 索 引禮 品 庫禮 品 知 識 庫索 引用 戶 日 志禮品搜索知 識 庫 與 搜 索 子 系 統(tǒng)文 本 提 取 圖 43 系統(tǒng)整體架 構(gòu)設(shè)計 圖 如上圖所示，系統(tǒng)整體架構(gòu)設(shè)計圖。 4) 用戶交互模塊 用戶交互模塊包括用戶注冊登錄，用戶需求獲取和推薦結(jié)果產(chǎn)生。 2) 保證系統(tǒng)的可移植性 系統(tǒng)所有代碼采用 Java 語言編寫，保證了系統(tǒng)的可移植性 。 輸入 3：用戶選擇點擊 禮品列表中 的 某個 禮品 。如果用戶多次用信用排序，說明商家信用對用戶的決策影響較大，則系統(tǒng)搜索的時候優(yōu)先以信用排序。 禮品知識庫初始化包括兩步：一是人工初始化；二是系統(tǒng)完善 。 收禮者的身份不同，贈送的禮品也會有所不同。 用 戶選 擇 節(jié) 日獲 得 節(jié) 日 推 薦 u s e s u s e s e x t e n d s 獲 得 場 合 推 薦 u s e s 選 擇 場 合 e x t e n d s u s e s 圖 31 基于 節(jié)日場合推薦用例圖 如上圖所示，基于 節(jié)日場合 推薦的用例圖，用戶根據(jù) 自己的需求選擇送禮節(jié)日或場合，系統(tǒng)調(diào)用節(jié)日場合推理向用戶進行禮品 推薦。 3. 禮品知識庫推薦 系統(tǒng)要提供一個良好的知識庫推薦接口，此接口能夠準確描述用戶的需求， 并使用戶獲得準確的 禮品 推薦和良好的用戶體驗。當(dāng)請求返回時，就可以使用 JavaScript和 CSS來相應(yīng)地更新 UI，而不是刷新整個頁面。 3) 運用 XML實現(xiàn)數(shù)據(jù)交換和操作。最后，雖然 Lucene 使用 Java 語言寫成，但是開放源代碼社區(qū)的程序員正在不懈的將之使用各種傳統(tǒng)語言實現(xiàn)（例如 . framework），在遵守 Lucene 索引文件格式的基礎(chǔ)上，使得 Lucene 能夠運行在 各種各樣的平臺上，系統(tǒng)管理員可以根據(jù)當(dāng)前的平臺適合的語言來合理的選擇。 （ 3）優(yōu)秀的面向?qū)ο蟮南到y(tǒng)架構(gòu)，使得對于 Lucene 擴展的學(xué)習(xí)難度降低，方便擴充新功能。 Lucene 的原作者是 Doug Cutting，他是一位資深全文索引 /檢索專家，曾經(jīng)是 VTwin 搜索引擎的主要開發(fā)者，后在 Excite 擔(dān)任高級系統(tǒng)架構(gòu) 設(shè)計師，目前從事于一些 Inter 底 層 架 構(gòu) 的 研 究 。 最后可通過 ()方法驗證字符序列與所編譯的正則表達式是否相匹配。 都符合這個特征。和任意個 39。 缺點： 一種 知識發(fā)現(xiàn) 的 算法 只能適應(yīng)某一領(lǐng)域的數(shù)據(jù)，而更換領(lǐng)域后知識發(fā)現(xiàn)的算法就不太適用了，因此需要重新定義 規(guī)則或算法。 1. 數(shù)據(jù)挖掘技術(shù)的應(yīng)用 數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中 , 提取隱含在其中的但又是潛在有用的信息和知識的過程 [22]。很難定義商品 屬性和用戶特征的類別 ,那么也就很難做出精確的匹配。內(nèi)容過濾分為兩種 :基于新產(chǎn)品和基于新用戶的內(nèi)容過濾 [20]。 2. 基于產(chǎn)品的協(xié)同過濾推薦 (CF I) 基于產(chǎn)品的協(xié)同過濾技術(shù)也 是應(yīng)用比較廣泛和成功的推薦技術(shù)，它與基于用戶的協(xié)同過濾推薦的不同是它計算的是產(chǎn)品之間的相似度，向用戶推薦的是于用戶已經(jīng)購買的商品相似度最高的商品。 第二章 個性化推薦算法 及系統(tǒng) 實現(xiàn) 關(guān)鍵 技術(shù)介紹 北京郵電大學(xué)研究生畢業(yè)論文 6 協(xié)同過濾 (Collaborative FilteringCF) 協(xié)同過濾 (Collaborative FilteringCF)技術(shù) 是基于一組興趣相同的用戶進行推薦。設(shè)計良好 用戶體驗的推薦交互界面準確全面地表達用戶的需求，從 節(jié)日場合 ，收禮人興趣愛好和收禮人描述 向 用戶進行推薦。每個送禮人都希望送出一份個性化的禮品，每個收禮人都希望收到一份適合自己的禮品。 根據(jù) 國內(nèi)著名互聯(lián)網(wǎng)分析機構(gòu)艾瑞咨詢調(diào)查顯示，淘寶網(wǎng)占據(jù)國內(nèi)電子商務(wù) 80%以上的市場份額 。 最后 用戶還可以加入豆瓣的興趣小組，這樣同興趣小組成員的推薦更加精準，更加符合用戶的興趣。 浙江大學(xué)的孫小華針 對協(xié)同過濾 在無法得 到項目的內(nèi)容信息和用戶個人信息的情況下，在數(shù)據(jù) 稀疏和冷啟動情況下提高預(yù)測準確性方面采用了 屬于特征遞增型的 Pear After_SVD 方法和屬于轉(zhuǎn)換型的 LCM STI 方法。 Ringo 系統(tǒng)可以向用戶推薦他們喜歡的音樂，預(yù)測用戶不喜歡的音樂，也可以預(yù)測用戶對特定音樂的評分。因此，即使是面對大規(guī)模數(shù) 據(jù)集也有較快的運行速度 [8]。 研究現(xiàn)狀 國外研究現(xiàn)狀 在 推薦 用戶模型方面，常用的用戶建模技術(shù)有向量空間模型 [4]、用戶評價矩陣 [5]，以及機器學(xué)習(xí)技術(shù) [6]。s log. In Chapter 1, the background of remendation system, the significance of the study, and the methods and contents of the study is introduced. In Chapter 2, we describe the main algorithms and key technologies that involved. Requirements analysis, includes overview of the work, the demand of requirement and environment is described in Chapter 3. The main content in Chapter 4 is the system design, which is divided into two parts, the function part and the construction part. Chapter 5 is the detailed description of the key problems and solutions in the process of system construction. In Chapter 6, functional testing and performance testing of the system is operated. The last Chapter is a summary of our work and further prospects. KEY WORDS:gifts remendation, knowledge base,similarity, personalized,search 北京郵電大學(xué)碩士研究生畢業(yè)論文 目錄 V 目錄 北京郵電大學(xué)研究生畢業(yè)論文 1 第一章 緒論 研究背景 隨著 互聯(lián)網(wǎng)和電子商務(wù) 的迅速發(fā)展，人類己步入網(wǎng)絡(luò)信息時代。第二章介紹了主要的推薦算法和本系統(tǒng)所涉及的關(guān)鍵技術(shù)。學(xué)校有權(quán)保留并向國家 有關(guān)部門或機構(gòu)送交論文的復(fù)印件和磁盤，允許學(xué)位論文被查閱和借閱；學(xué)?？梢怨紝W(xué)位論文的全部或部分內(nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存、匯編學(xué)位論文。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。首先在調(diào)研了禮品信息和禮品贈送知識后構(gòu)建禮品知識庫，然后禮品專家通過人工方式對禮品知識庫進行初始化，最后系統(tǒng)根據(jù)禮品的基本信息計算出禮品綜合相似度對禮品知識庫進一步完善。第七章是 工作總結(jié)和進一步的展望。另外，用戶每次獲取信息，都要輸入大量、煩瑣的檢索條件，而信息系統(tǒng)不能通過服務(wù)歷史和服務(wù)過程掌握用戶需求，信息系統(tǒng)不能產(chǎn)生對用戶持久的吸引力。 Gery Linden， Brent Smith和 Jeremy York主導(dǎo)開發(fā)的 集研究與應(yīng)用于一體的推薦系統(tǒng)， 采用項目 項目協(xié)同 過濾算法，根據(jù)用戶己購買和己評分項目尋找相似項目，將相似度高的項目列入到推薦列表中。MovieLens采用了基于用戶的協(xié)同過濾和關(guān)聯(lián)規(guī)則相結(jié)合的技術(shù)，計算用戶的相似度并根據(jù)相似度分析用戶的“鄰居”，這些“鄰居”是具有相似興趣愛好的“鄰居區(qū)”， “鄰居”們對電影的評分數(shù)據(jù)被用來為目標用戶生 成個性化推薦項目 [10]。 北京郵電大學(xué)研究生畢業(yè)論文 3 Gift Ideas()是一個專業(yè)的個性化禮品推薦網(wǎng)站， 網(wǎng)站的禮品知識庫非常專業(yè)，推薦頁面用戶體驗性非常好。 實驗結(jié)果表明 ， 算法在用戶評分數(shù)據(jù)極端稀疏的情況下 ， 仍能取得較理想的推薦質(zhì)量 [16]。 北京郵電大學(xué)研究生畢業(yè)論文 4 研究意義 電子商務(wù)網(wǎng)站是推薦系統(tǒng)應(yīng)用 最 廣泛的地方。 凡客誠品 20xx年銷售的衣服達到了4000萬件。 本文工作 研究路線和方法 本文從淘寶網(wǎng) 上抓取數(shù)千禮品信息， 然后采用正則表達式進行文本提取，將提取的文本信息保存到數(shù)據(jù)庫形成禮品庫。 禮品知識庫的初始化和完善：用禮品專家的禮品知識 對禮品知識庫進行初始化 ， 然后采用 一定的算法 對禮品知識庫進行完善 。 首先利用用戶的歷史記錄如搜索記錄、瀏覽記錄、評分評 價等對用戶特征進行分析和建模。 內(nèi)容過濾 (Content Based FilteringCBF) 為了應(yīng)對協(xié)同過濾的稀疏性問題出現(xiàn)了內(nèi)容過濾 。 3. 內(nèi)容過濾的優(yōu)缺點 優(yōu)點： 正如內(nèi)容過濾出現(xiàn)的原因 內(nèi)容過濾 對推薦結(jié)果的解釋更換 在 一定程度上解決了 協(xié)同過濾方法中的用戶多偏好和產(chǎn)品內(nèi)容多樣的問題， 可以讓用戶提供一定的初始化信息 ,輔助系統(tǒng)做出更好的推薦。 知識發(fā)現(xiàn) 將用戶請求視作一個查詢 ,然后基于用戶需求和偏好進行推薦。 關(guān)聯(lián)規(guī)則推薦方法是先根據(jù)銷售數(shù)據(jù)發(fā)現(xiàn)不同商品在銷售過程中的相關(guān)性 ,然后基北京郵電大學(xué)研究生畢業(yè)論文 8 于生成的關(guān)聯(lián)規(guī)則模型和用戶的購買行為產(chǎn)生推薦結(jié)果 。 簡單的說，正則表達式就是用一個 “ 字符串 ” 來描述一個特征，然后去驗證另一個 “ 字符串 ”是否符合這個特征。abb39。 在 JAVA 中使用正則表達式匹配字符串的典型調(diào)用語句是 Pattern p = (a*b)； Matcher m = (aa