【正文】 ，完成情況及格（ ） 完成情況不及格（ ） 指導(dǎo)教師簽名： 年 月 日 表三 本科 畢業(yè)論文（設(shè)計）成績評定表（試行） 學(xué)生姓名 學(xué)號 專業(yè) 成績 優(yōu) 秀 良 好 中 等 及 格 不 及 格 比例 成績 分級 （ 100— 90分） （ 89— 80 分） （ 79— 70 分） （ 69— 60 分） （ 60 分） 選 題 有相當(dāng)強(qiáng)的理論與實踐意 義。 選題有一定的理論或?qū)嵺`意義。 選題不當(dāng)，沒有意義。 2.論證思路清楚，邏輯性強(qiáng)；專業(yè)知識比較扎實；遵守學(xué)術(shù)規(guī)范，研究所得結(jié)論可靠。 思路較清楚，有一定的邏輯性；結(jié)論比較可靠。 本清楚，結(jié)論有一定可靠性。 不夠嚴(yán)密，超過 20%的篇幅表述不清楚。 2.論證不嚴(yán)密，超過 40%的篇幅表述不清楚。 條理較為清楚，文字流暢；有文獻(xiàn)材料、充足的理論依據(jù)和數(shù)據(jù)。 文字尚算流暢；文獻(xiàn)材料、理論依據(jù)和數(shù)據(jù)較少。 20% 格 式 規(guī) 范 格式正確，完全符合學(xué)術(shù)規(guī)范及學(xué)院的要求，打印規(guī)范清晰。 格式正確，基本符合格式要求，打印規(guī)范清楚，但個別地方有錯漏。 格式不符合論文格式要求，打印不清晰，錯漏較多。 15% 學(xué)術(shù)內(nèi)容 中心突出，邏輯嚴(yán)密，表述準(zhǔn)確，有創(chuàng)新性且在實踐中的指導(dǎo)作用較強(qiáng)。 15% 格式規(guī)范 格式正確，完全符合學(xué)術(shù)規(guī)范及學(xué)院要求，打印規(guī)范清晰 。 20% 答辯小組成員 簽名 答辯成績（按百分制成績評分） 注：此表用于推薦的優(yōu)秀畢業(yè)論文的答辯成績評定。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他人或集體已經(jīng)發(fā)表或撰寫過的作品或成果。本畢業(yè)論文的 知識產(chǎn)權(quán)歸屬于培養(yǎng)單位。 本人簽名： 日期： 電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究 梁銳彪 電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究 [論文 摘要 ]隨著互聯(lián)網(wǎng)的普及和電子商務(wù)的發(fā)展，人類已進(jìn)入信息社會和網(wǎng)絡(luò)經(jīng)濟(jì)時代，電子商務(wù)系統(tǒng)在為用戶提供越來越多選擇的同時，其結(jié)構(gòu)也變得更加復(fù)雜，用戶經(jīng)常迷失在大量的商品信息空間中，無法順利找到自己需要的商品。在日趨激烈的競爭環(huán)境下，電子商務(wù)系統(tǒng)能有效保留用戶、防止用戶流失，提高電子商務(wù)系統(tǒng)的銷售。針對這一系列挑戰(zhàn)， 本文對電子商務(wù)推薦系統(tǒng)的關(guān)鍵技術(shù)進(jìn)行有益的探討和研究。 其次， 對推薦系統(tǒng)的相關(guān)技術(shù)和系統(tǒng)結(jié)構(gòu)進(jìn)行了研究。而對于系統(tǒng)架構(gòu)主要分為輸入、處理和輸出三部分，各個部分都擔(dān)任著推薦系統(tǒng)的重要角色， 這 方面的分析為后面的工作提供了理論基礎(chǔ)。通過對目前電子商務(wù)推薦算法面臨的主要挑戰(zhàn)提出，希望通過這些研究為后續(xù)新方法的提出給予一些指導(dǎo)， 并 對改善關(guān)鍵技術(shù)的展望 。 Remendation Systems。一方面，用戶面對大量的商品信息束手無策，用戶經(jīng)常會迷失在大量的商品信息空間中 ，無法順利找到自己需要的商品；另一方面，商家也失去了與消費(fèi)者的聯(lián)系。其中在B2C 方面，推薦系統(tǒng)（ Remender System）成為研究和應(yīng)用的一個重點(diǎn)。 一方面，電子商務(wù)系統(tǒng)需要推薦 系統(tǒng)的大力支持幫助用戶找到所需商品；另一方面，電子商務(wù)系統(tǒng)自身的特點(diǎn)也有利于推薦系統(tǒng)的順利實施。豐富的數(shù)據(jù)為建立多種推薦模型，產(chǎn)生高質(zhì)量的推薦提供了可能。 3）易于對推薦效果進(jìn)行評估：在電子 商務(wù)中實施推薦系統(tǒng)的投資回報率易于通過電子商務(wù) Web 站點(diǎn)訪問量的增加、電子商務(wù)系統(tǒng)銷售額的增加等指標(biāo)直接進(jìn)行評估。推薦系統(tǒng)在幫助了客戶的同時也提高了顧客對商務(wù)活動的滿意度，換來對商務(wù)網(wǎng)站的進(jìn)一步支持。各種提供個性化服務(wù)的 Web 站點(diǎn)也需要推薦系統(tǒng)的大力支持。成功的電子電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究 梁銳彪 商務(wù)推薦系統(tǒng)會產(chǎn)生巨大的經(jīng)濟(jì)效益。但是隨著電子商務(wù)系統(tǒng)的進(jìn)一步發(fā)展，電子商務(wù)推薦系統(tǒng)也面臨一系列挑戰(zhàn)。 課題研究意義 推薦算法是推薦系統(tǒng)的核心，良好的推薦算法能夠及時準(zhǔn)確地計算出符合用戶需求的商品，為客戶提供良好的購物體驗。 靈活 智能的推薦系統(tǒng)能夠根據(jù)不同的推薦策略進(jìn)行推薦，滿足客戶不同的需要。 論文研究具有重要的理論意義和廣闊的應(yīng)用前景。美國計算機(jī)學(xué)會 ACM 從1999 年開始每年召開一次電子商務(wù)的研討會，其中關(guān)于電子商務(wù)推薦系統(tǒng)的研究文章占據(jù)了很大比重。第 7 屆國際人工智能聯(lián)合會議 IJCAI’01 則把 EBusiness amp。 99年召開的人機(jī)界面會議 CHI’99 專門設(shè)立推薦系統(tǒng)特別興趣組。 經(jīng)過多年的努力，國內(nèi)外在電子商務(wù)推薦技術(shù)和系統(tǒng)的研究方面已取得較多的理論和應(yīng)用成果。 第二章介紹了電子商務(wù)推 薦系統(tǒng)相關(guān)的技術(shù)，探討信息檢索、信息過濾、數(shù)據(jù)挖掘技術(shù)以及協(xié)同過濾等相關(guān)技術(shù)。 第四章分析了電子商務(wù)推薦算法在整個推薦系統(tǒng)中的重要地位，給出了電子商務(wù)推薦算法的分類原則及其分類，然后對關(guān)聯(lián)規(guī)則推薦算法和協(xié)同過濾推薦這兩種關(guān)鍵的電子商務(wù)推薦算法進(jìn)行了深入介紹。 第五章闡述了評價推薦系統(tǒng)的兩個重要因素，包括平均絕對值誤差 MAE 和稀疏度。 第 2 章 電子商務(wù)推薦系統(tǒng)相 關(guān)技術(shù) 信息檢索和信息過濾 推薦系統(tǒng)的關(guān)鍵技術(shù)主要包括信息檢索（ IR， Information Retrieval）技術(shù)和信息過濾（ IF， Information Filtering）技術(shù)。雖然實現(xiàn)技術(shù)及其相似，但兩者所完成任務(wù)完全不同[41]。 信息檢索技術(shù)主要用于相對靜止的信息存儲領(lǐng)域。 信息檢索的研究內(nèi)容主要包括索引技術(shù)和查詢技術(shù)。查詢技術(shù)根據(jù)用戶需求，查詢用戶需要的資源信息。在很多情況下，索引技術(shù)與查詢技術(shù)是重疊的，查詢技術(shù)依賴資源 信息所采用的索引結(jié)構(gòu)。傳統(tǒng)的信息檢索系統(tǒng)主要使用關(guān)鍵字查詢接口，用戶根據(jù)自己的信息需求輸入一到兩個關(guān)鍵字，信息檢索系統(tǒng)根據(jù)用戶提交的關(guān)鍵字進(jìn)行查詢，然后向用戶返回檢索結(jié)果。信息檢索系統(tǒng)動態(tài)查詢接口向用戶提供一系列的信息主題供用戶選擇，然后根據(jù)用戶的選擇向用戶提供下一層的信息主題，這樣一直進(jìn)行下去，直到用戶檢索到自己需要的信息為止。 信息檢索技術(shù)是實現(xiàn)推薦系 統(tǒng)的關(guān)鍵技術(shù)。其搜索過程可以實時進(jìn)行，也可以定期周期執(zhí)行。前者的例子如 中的關(guān)鍵字查詢，后者的例子如 中的 Advisor 推薦。信息過濾系統(tǒng)主要面對的是半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，它為用戶的長期信息需求提供信息過濾服務(wù) [1]。信息過濾系統(tǒng)將動態(tài)信息與用戶檔案文件進(jìn)行匹配，根據(jù)匹配結(jié)果返回用戶需要的信息。 電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究 梁銳彪 2）信息過濾用檔案文件表示用戶的信息需求特征，而信息檢索技術(shù)是用關(guān)鍵詞表達(dá)用戶的查詢請求。 表 21 信息檢索和信息過濾的區(qū)別 信 息檢索 信息過濾 信息源 相對靜態(tài)的結(jié)構(gòu)化數(shù)據(jù) 動態(tài)的無結(jié)構(gòu)或半結(jié)構(gòu)數(shù)據(jù) 需求表示 檢索詞 興趣模板 目標(biāo) 選擇相關(guān)信息 過濾掉不相關(guān)的信息 用戶特點(diǎn) 大范圍多用戶的短期使用 小范圍少用戶的長期使用 郵件系統(tǒng)信息過濾和新聞組信息服務(wù)是信息過濾技術(shù)的典型應(yīng)用。當(dāng)新聞組中加入新信息時，信息過濾系統(tǒng)對新信息進(jìn)行過濾，將滿足用戶需求的新信息反饋給用戶。 信息過濾技術(shù)也是實現(xiàn)推薦系統(tǒng)的關(guān)鍵技術(shù)。用戶輸入基于作者、標(biāo)題、主題、 ISBN 和出版日期的關(guān)鍵詞， Eyes 推薦根據(jù)用戶輸入的關(guān)鍵詞，建立用戶檔案。 數(shù)據(jù)挖掘技術(shù) 數(shù)據(jù)挖掘 (DataMining),也叫數(shù)據(jù)庫發(fā)現(xiàn)知 識 (KDD, Knowledge Discovery in Database),就是從數(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。同傳統(tǒng)的統(tǒng)計分析技術(shù)相比 ,數(shù)據(jù)挖掘的主要特點(diǎn)是系統(tǒng)的主動性。而數(shù)據(jù)挖掘技術(shù)具有探索性 ,是一種逆向思維 ,即由系統(tǒng)發(fā)現(xiàn)一合適的前提 ,再證實或否定 ,是系統(tǒng)在發(fā)揮主動性。 1995 年在加拿大蒙特利爾市召開的第一屆 KDD 國際學(xué)術(shù)會議。許多數(shù)據(jù)挖掘?qū)ｎ}會議紛紛涌現(xiàn)，如PAKDD,PKDD,DLSMDataMing 等。數(shù)據(jù)挖掘能夠從關(guān)系數(shù)據(jù)、文本數(shù)據(jù)、多媒體數(shù)據(jù)、時間序列、空間數(shù)據(jù)、異質(zhì)數(shù)據(jù)等多種數(shù)據(jù)源中挖掘知識。數(shù)據(jù)挖掘技術(shù)面向應(yīng)用領(lǐng)域，它不僅是面向特定數(shù)據(jù)庫的簡單檢索查詢調(diào)用，而且，要對數(shù)據(jù)進(jìn)行微觀、中觀、乃至宏觀的統(tǒng)計、分析、綜合和推理，以指定實際問題的求解，企圖發(fā)現(xiàn)事件間的相互關(guān)聯(lián)，甚至利用已有的數(shù)據(jù)對未來的活動進(jìn)行預(yù)測。 圖 典型數(shù)據(jù)挖掘系統(tǒng)結(jié)構(gòu) 電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究 梁銳彪 數(shù)據(jù)挖掘過程 數(shù)據(jù)挖掘就是從大型數(shù)據(jù)庫的數(shù)據(jù)中提取人們感興趣的知識，這些知識是隱含的、事先未知的潛在有用信息，提取的知識表示為概念（ concepts）、規(guī)則（ rules）規(guī)律（ regularities）、模式（ patterns）等形式 [42]。是利用各種工具在海量數(shù)據(jù)中發(fā)現(xiàn)模型和數(shù)據(jù)間關(guān)系即知識的過程，是提高決策科學(xué)性的有利工具。 數(shù)據(jù)挖掘是一個過程的工程，一般有三個主要的階段組成：數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、結(jié)構(gòu)表達(dá)和解釋。如圖 所示。 （ 2）數(shù)據(jù)清理和預(yù)處理 數(shù)據(jù)的 質(zhì)量影響著挖掘的結(jié)果，因為要進(jìn)行數(shù)據(jù)清理和預(yù)處理。 電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究 梁銳彪 （ 3）選擇特定的數(shù)據(jù)挖掘算法并執(zhí)行算法 首先根據(jù)對問題的定義明確挖掘的任務(wù)或目的，如分類、聚類、關(guān)聯(lián)規(guī)則現(xiàn)或序列模式發(fā)現(xiàn)等。選擇實現(xiàn)算法要考慮兩個因素：一是數(shù)據(jù)特點(diǎn)各異，需要用與之相關(guān)的算法來挖掘；二是考慮用戶或?qū)嶋H運(yùn)行系統(tǒng)的要求，有的用