【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) 從淘寶網上抓取的 40 類 共 3000 個 禮品 在一定時間內不會下架，即用戶得到禮品推薦后可以 從網上 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 知識借助數據庫進行知識庫建模， 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，根據禮品的相似度對禮品知識庫進行完善。 本系統(tǒng)要調研禮品贈送知識并據此構建禮品知識庫。 然后介紹了本系統(tǒng)實現過程中所利用 的關鍵技術： 正則表達式， Lucene 和 AJAX 技術。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)行更新或查詢數據庫。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。 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實現異步數據檢索。 2) 運用文檔對象模型 (Document Object Model)實現動態(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，轉移到 apache 軟件基金會后，借助于 apache 軟件基金會的網絡平臺，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。 面對已經存在的商業(yè)全文檢索引擎， Lucene 也具有相當的優(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)異的索引結構、良好的系統(tǒng)架構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，以及構建 Web 應用，甚至某些商業(yè)軟件也采用了 Lucene 作為其內部全文檢索子系統(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 關鍵 技術介紹 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)現的優(yōu)缺點 優(yōu)點： 知識發(fā)現可以利用電子商務網站的交易數據、日志數據等信息提高推薦系統(tǒng)的推薦質量和推薦效率。 關聯(lián)規(guī)則推薦方法是先根據銷售數據發(fā)現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生推薦結果 。 數據挖掘 是知識發(fā)現的關鍵步驟。 隨著信息技術的高速發(fā)展 ， 人們積累的數據量急劇增長，動輒以 TB計，如何從海量的數據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 ,使得數據挖掘的方法得到了巨大 的應用 [21]。 知識發(fā)現 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 ( Knowledge Discovery in Database KDD) 知識發(fā)現是 從數據庫中提取隱含的、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 ,數據庫規(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. 內容過濾的優(yōu)缺點 優(yōu)點： 正如內容過濾出現的原因 內容過濾 對推薦結果的解釋更換 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品內容多樣的問題， 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. 基于新產品的內容過濾 新產品進入 系統(tǒng) 后，系統(tǒng) 將新產品與產品特征數據庫進行匹配 ,然后提取新北京郵電大學研究生畢業(yè)論文 7 產品的特征。其本質上是一個學習系統(tǒng)。 內容過濾 (Content Based FilteringCBF) 為了應對協(xié)同過濾的稀疏性問題出現了內容過濾 。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)與目標產品在網絡上的呈現形式完全獨立 ， 只需要用戶產品交易數據 , 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 推薦技術是 目前 推薦算法實際 應用中最為成功的個性化推薦技術， 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容推薦給此用戶。 推薦交互界面的設計： 根據知識庫設計 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 。 主要研究內容 本文的主要研究內容為推薦系統(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，并結合禮品個性化搜索，最后根據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。 最后根據用戶對推薦禮品的反饋信息對知識庫進一步 調整和 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，并結合根據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 上抓取數千禮品信息， 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據庫形成禮品庫。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濟價值和社會價值。禮品作為電子商務 網站 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 已經形成以圖書、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年淘寶網銷售額達到了 20xx億人民幣，預計 20xx年淘寶網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 數字產品進行 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 戶可以對數字產品進行評論， 并可以參考 其他用戶的評論作為推薦依據。 實驗結果表明 ， 算法在用戶評分數據極端稀疏的情況下 ， 仍能取得較理想的推薦質量 [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)計的眾數法阻及信息熵法來解決 [14]。 國內 研究現狀 復旦大學的鄧愛林等 針對用戶評分數據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站， 網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 大學數字圖書館項目組開發(fā)的 基于內容過濾和協(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)則相結合的技術，計算用戶的相似度并根據相似度分析用戶的“鄰居”，這些“鄰居”是具有相似興趣愛好的“鄰居區(qū)”， “鄰居”們對電影的評分數據被用來為目標用戶生 成個性化推薦項目