【正文】 于收禮對象 推薦用例圖 如上圖所示，基于收禮 對象 推薦的用例圖，用戶選擇收禮人的年齡或性別獲得系統(tǒng)收禮對象 推薦 ， 然后 用戶 再 選擇收禮人的興趣愛好獲得系統(tǒng) 興趣愛好推薦 。 送禮的場合有：戀愛，約會，結(jié)婚，周年，生日，孩子滿月，喬遷新居，升學，畢業(yè)，退休，升職，探病，慰問，感謝等。本系統(tǒng)將把禮品贈送 節(jié)日 場合分類如下。 由于送禮的節(jié)日和場合 不同，贈送的禮品會有所不同。 需求規(guī)定 北京郵電大學研究生畢業(yè)論文 13 系統(tǒng)功能的需求規(guī)定 1) 基于節(jié)日 場合的推薦 基于送禮 節(jié)日 場合 推薦 通過用戶選擇送禮的節(jié)日或場合 來獲得系統(tǒng)的禮品推薦 。 假定和約束 為了保證推薦的準確性 和客觀性，本系統(tǒng)的假定和約束如下： 1) 從淘寶網(wǎng)上抓取的 40 類 共 3000 個 禮品 在一定時間內(nèi)不會下架，即用戶得到禮品推薦后可以 從網(wǎng)上 買到該禮品 。 系統(tǒng)設計意圖 該系統(tǒng)設計的意圖是要將符合中國文化的禮品 知識借助數(shù)據(jù)庫進行知識庫建模， 通過 禮品專家 對知識庫進行初始化 ，然后 計算禮品的綜合相似度對知識庫進一步完善 ，同時， 系統(tǒng)要提供個性化的禮品搜索功能。 4. 用戶瀏覽推薦 用戶瀏覽某一禮品的詳細信息時，系統(tǒng)要向用戶推薦與此禮品最相關的若干 禮品。然后通過 一定的算法計算禮 品相似度，根據(jù)禮品的相似度對禮品知識庫進行完善。 本系統(tǒng)要調(diào)研禮品贈送知識并據(jù)此構(gòu)建禮品知識庫。 然后介紹了本系統(tǒng)實現(xiàn)過程中所利用 的關鍵技術(shù)： 正則表達式， Lucene 和 AJAX 技術(shù)。最重要的是，用戶甚至不知道瀏覽器正 在與服務器通信： Web站點看起來是即時響應的[35]。借助于 AJAX，可以在用戶單擊按鈕時，使用 JavaScript和 DHTML立即更新 UI，并向服務器發(fā)出異步請求，以執(zhí)行更新或查詢數(shù)據(jù)庫。該對象在 Inter Explorer 5中首次引入，它是一種支持異步請求的技術(shù)。 使用 AJAX的關鍵在于對瀏覽器端的 JavaScript、 DHTML和與服務器異步通信的組合 [33]。 4) 運用 XMLHttpRequest實現(xiàn)異步數(shù)據(jù)檢索。 2) 運用文檔對象模型 (Document Object Model)實現(xiàn)動態(tài)顯示和交互。這使得 Web 應用的交互性得到了前所未有的提高， 大大增強了應用的實用性和實時性。 所以，不必采用會中斷交互的完整頁面刷新，就可以動態(tài)地更新 Web 頁面。 AJAX AJAX 的全稱是 Asynchronous JavaScript XML(即異步 JavaScript 和 XML)。最后，轉(zhuǎn)移到 apache 軟件基金會后，借助于 apache 軟件基金會的網(wǎng)絡平臺，程序員可以方便的和開發(fā)者、其它程序員交流，促成資源的共享，甚至直接獲得已經(jīng)編寫完備的擴充功能。在這一點上，商業(yè)軟件的靈活性遠遠不及 Lucene。 面對已經(jīng)存在的商業(yè)全文檢索引擎， Lucene 也具有相當?shù)膬?yōu)勢。 （ 4）設計了獨立于語言和文件格式的文本分析接口，索引器通過接受 Token流完成索引文件的創(chuàng)立，用戶擴展新的語言和文件格式，只需要實現(xiàn)文本分析的接口。然后通過與原有索引的合并，達到優(yōu)化的目的。 Lucene 定義了一套以 8 位字節(jié)為基礎的索引文件格式，使得兼容系統(tǒng)或者不同平臺的應用能夠共享建立的索引文件。Lucene 以其開放源代碼的特性、優(yōu)異的索引結(jié)構(gòu)、良好的系統(tǒng)架構(gòu)獲得了越來越多的應用。 早 先 發(fā) 布 在 作 者 自 己 的 SourceFe， 20xx 年年底成為 apache 軟件基金會 jakarta 的一個子項目： 作為一個開放源代碼項目， Lucene 從問世之后，引發(fā)了開放源代碼社群的巨大反響，程序員們不僅使用它構(gòu)建具體的全文檢索應用，而且將之集成到各種系統(tǒng)軟件中去，以及構(gòu)建 Web 應用，甚至某些商業(yè)軟件也采用了 Lucene 作為其內(nèi)部全文檢索子系統(tǒng)的核心。 Lucene的目的是為軟件開發(fā)人員提供一個簡單易用的工具包，以方便的在目標系統(tǒng)中實現(xiàn)全文檢索的功能，或者是以此為基礎建立起完整的全文檢索引擎。需要說明的是它并不是一個完整的全文檢索應用 ， 而是為應用程序提供索引和搜索功能。這使得開發(fā)人員可以根據(jù)需要對它們進行擴展。 在 JAVA 中使用正則表達式查找字符串的典型調(diào)用語句是 boolean b = (regEx).matcher(str).find() 其中 regEx 是需要編譯的正則表達式， str 為需要進行查找的文本或字符串，通過 ()方法可以查找文本或字符串 str 中是否存在符合正則表達式規(guī)則 regEx 的字符串 [27]。北京郵電大學研究生畢業(yè)論文 9 執(zhí)行匹配所涉及的所有狀態(tài)都駐留在匹配器中，所以多個匹配器可以共享同一模式。 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 = (aaaaab)； boolean b = ()； 是正則表達式的編譯表示形式，指定為字符串的正則表達式必須首先被編譯為 此類的實例。（ 3）用來替換，比普通的替換更強大。 正則表達式可以用來：（ 1）驗證字符串是否符合指定特征，比如驗證是否是合法的郵件地址。abbbbbbbbbb39。abb39。ab39。b39。a39。 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。許多程序設計語言 都支持利用正則表達式進行字符串操作 [24]。 系統(tǒng) 實現(xiàn) 關鍵 技術(shù)介紹 正則表達式 正則表達式 （ Regular Expression）在 計算機科學 中，是指一個用來描述或者匹配一系列符合某個 句法 規(guī)則的 字符串 的單個字符串。 2. 知識發(fā)現(xiàn)的優(yōu)缺點 優(yōu)點： 知識發(fā)現(xiàn)可以利用電子商務網(wǎng)站的交易數(shù)據(jù)、日志數(shù)據(jù)等信息提高推薦系統(tǒng)的推薦質(zhì)量和推薦效率。 關聯(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性 ,然后基北京郵電大學研究生畢業(yè)論文 8 于生成的關聯(lián)規(guī)則模型和用戶的購買行為產(chǎn)生推薦結(jié)果 。 數(shù)據(jù)挖掘 是知識發(fā)現(xiàn)的關鍵步驟。 隨著信息技術(shù)的高速發(fā)展 ， 人們積累的數(shù)據(jù)量急劇增長，動輒以 TB計，如何從海量的數(shù)據(jù)中提取有用的知識成為當務之急。這些知識的獲取有賴于知識庫的建立 ,使得數(shù)據(jù)挖掘的方法得到了巨大 的應用 [21]。 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。 知識 發(fā)現(xiàn) ( Knowledge Discovery in Database KDD) 知識發(fā)現(xiàn)是 從數(shù)據(jù)庫中提取隱含的、先前未知的、潛在有用的知識或信息模式的決策支持方法。而且這些屬性特征成千上萬 ,隨著系統(tǒng)的不斷學習 ,數(shù)據(jù)庫規(guī)模還會不斷擴大 ,對系統(tǒng)的性能也會有很大的影響 。第二，商品屬性提取困難。 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。 2. 基于新用戶的內(nèi)容過濾 新用戶進入后 ,系統(tǒng)提取用戶個性化特征 ,提取的方法一般有三種 ,一是問問題 ,二是通過注冊信息獲得 ,三是通過用戶行為進行提取。 1. 基于新產(chǎn)品的內(nèi)容過濾 新產(chǎn)品進入 系統(tǒng) 后，系統(tǒng) 將新產(chǎn)品與產(chǎn)品特征數(shù)據(jù)庫進行匹配 ,然后提取新北京郵電大學研究生畢業(yè)論文 7 產(chǎn)品的特征。其本質(zhì)上是一個學習系統(tǒng)。 內(nèi)容過濾 (Content Based FilteringCBF) 為了應對協(xié)同過濾的稀疏性問題出現(xiàn)了內(nèi)容過濾 。第二，協(xié)同過濾方法 存在計算規(guī)模問題 ,而如果降低計算復雜度 又會降低推薦質(zhì)量。 3. 協(xié)同過濾的優(yōu)缺點 優(yōu)點： 協(xié)同過濾的最大優(yōu)勢就在于 ,系統(tǒng)與目標產(chǎn)品在網(wǎng)絡上的呈現(xiàn)形式完全獨立 ， 只需要用戶產(chǎn)品交易數(shù)據(jù) , 比較簡便易行。最后向用戶推薦其最近鄰居頻繁購買的 商品 。 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。 1. 基于用戶的協(xié)同過濾推薦 (CF U) 基于用戶的協(xié)同過濾 推薦技術(shù)是 目前 推薦算法實際 應用中最為成功的個性化推薦技術(shù)， 在商業(yè)推薦系統(tǒng)中得到廣泛應用。協(xié)同過濾 基于這樣的假設：為用戶找到他真正感興趣的內(nèi)容的好方法是，首先找 到 與他興趣相似的用戶，然后將這些用戶感興趣的內(nèi)容推薦給此用戶。 推薦交互界面的設計： 根據(jù)知識庫設計 具有 良好用戶體驗的 推薦 交互界面準確 全面地 描述用戶的需求。 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 。 主要研究內(nèi)容 本文的主要研究內(nèi)容為推薦系統(tǒng)在禮品推薦領域的應用研究，本文采用了知識 庫推薦的方法，并結(jié)合禮品個性化搜索，最后根據(jù)知識庫的特點設計具有良好用戶體驗的推薦交互界面更好地 描述用戶的需求向用戶提供個性化的禮品推薦服務。 最后根據(jù)用戶對推薦禮品的反饋信息對知識庫進一步 調(diào)整和 完善。然后對 其中 一部分禮品的北京郵電大學研究生畢業(yè)論文 5 知識庫進行人工初始化，并結(jié)合根據(jù)禮品基本信息計算出的禮品 綜合 相似度對禮品知識庫進行完善 。 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。優(yōu)點是可以全面形象地描述用戶的送禮需求，通過禮品知識庫進行推理向用戶推薦準確的個性化的禮品。 因此，基于知識庫的禮品推薦系統(tǒng)的研究具有很高的經(jīng)濟價值和社會價值。禮品作為電子商務 網(wǎng)站 中的特殊商品最具 個性化的需求。 凡客誠品 20xx年銷售的衣服達到了4000萬件。 當當網(wǎng) 已經(jīng)形成以圖書、化妝 品、家居、母嬰等為主的核心品類，并 于 美國東部時間 12月 8日在美國紐約證券交易所正式掛牌上市 。 20xx年淘寶網(wǎng)銷售額達到了 20xx億人民幣，預計 20xx年淘寶網(wǎng)銷售額將翻一番達到 4000億人民幣。 20xx年電子商務在中國發(fā)展如火如荼。 北京郵電大學研究生畢業(yè)論文 4 研究意義 電子商務網(wǎng)站是推薦系統(tǒng)應用 最 廣泛的地方。另外還 有送禮場景包括生日送禮，嬰兒誕生，喬遷新居，愛意表達等。 淘寶禮物 (于淘寶巨大的消費平臺。 注冊用戶可以對 所喜歡的 數(shù)字產(chǎn)品進行 15 分的評分，豆瓣后臺通過一定的 推薦 算法 向用戶進行推薦， 同時， 用 戶可以對數(shù)字產(chǎn)品進行評論， 并可以參考 其他用戶的評論作為推薦依據(jù)。 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]。 北京航空航天大學的張光衛(wèi)等人 針 對傳統(tǒng)相似度 度量方法存在的不足 ,利用云模型在定性知識表示以及定性、定量知識 轉(zhuǎn)換時的橋梁作用 ， 提出一種在知識層面比較用戶相似度的方法 ， 克服了傳統(tǒng)基于向量的相似度比較方法嚴格匹配對象屬性的不足 。 針對新用戶和新項目的冷啟動問題 采用了基于統(tǒng)計的眾數(shù)法阻及信息熵法來解決 [14]。 國內(nèi) 研究現(xiàn)狀 復旦大學的鄧愛林等 針對用戶評分數(shù)據(jù)極端稀疏情況下傳統(tǒng)相似性度量方法的不足 ,提出了一種基于項目評分預測的協(xié)同過濾推薦算法 ,根據(jù)項目之間的相似性初步預測用戶對未評分項目的評分 ,在此基礎上 ,采用一種新穎的相似性度量方法計算目標用戶的最近鄰居 [13]。 北京郵電大學研究生畢業(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。 Google News是一個 為新聞領域 開發(fā)的個性化資訊平臺。 FAB： Stanford 大學數(shù)字圖書館項目組開發(fā)的 基于內(nèi)容過濾和協(xié)同過濾的 推薦系統(tǒng)，用于推薦 Web 頁面。 Ringo是 由 MIT 媒體實驗室開發(fā)的研究型協(xié)同過濾推薦系統(tǒng)，用于提供 音樂推薦服務。MovieLens采用了基于用戶的協(xié)同過濾和關聯(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