商品推荐系统开发（JAVA+Slopone算法+J2EE）

摘要

　　当今社会,计算机技术和网络呈现一个快速发展的状态,伴随而来的是网络信息以几何级速度增长,越来越多的信息出现在网络中,但是有价值的信息很难被用户第一时间获取,如何解决信息超载带来的查找有用信息困难的情形,成为一个非常重要的问题。

　　电子商务推荐系统是解决信息超载的主要方式之一。电子商务推荐系统方便了用户,帮助用户发现他们所需要的商品,提高了营销效果,在电子商务推荐系统中,用户的偏好信息可被电商网站的推荐算法获取到,然后推荐给用户可能喜欢的商品,并已经获得了巨大的成功。

　　但是,目前为止还有大量的间题值得我们研究。在本论文工作中,一方面,我们对部分算法进行了整合即对基于物品的协同过滤推荐,基于用户的协同过滤推荐,基于Slopone算法的推荐进行了组合推荐;另一方面,根据W往的推荐算法,我们将马尔科夫逻辑网络模型引入到推荐算法中,构建推荐模型,并通过实验结果对算法进行了评估。同时,本系统采用J2邸架构技术和基于B/S的H层体系结构模式来对整体框架进行搭建,完成了电商网站各功能模块的设计。

　　关键词:J2EE;马尔可夫模型;商品推荐;电子商务

ABSTRACT

　　Nowadays, with the rapid development of computer technology and the network, the quantity of network information is soaring and a growing number of information appears in the network,but valuable information is difficult to be captured instantly,how to extract the useful information through vast quantition of information is becoming a very important issue.

　　E-commerce recommendation system is one of tile main ways to solve the information overload issue, e-commerce recommendation system brings a lot of benefits to users ans helps users find the goods they need , improves the marketing effect. In the e-commerce recommendation system, the user's preferences information can be obtained by the recommended algorithm of the website and toen speculate the goods toat the user maybe link, and finally recommend to them. And this method is widely used now.

　　However, so far there are a lot of problems worthy of our study, in this paper, on the one hand, we have improved some of the algorithm, on the other hand, according to the previous recommendation algorithm, we put forward a new recommendation algorithm, Finally, the algorithm is evaluated. In our work, the collaborative filtering recommendation of the goods, collaborative filtering recommendation.of the user and the recommendation based on tiie Slopone algorithm are combined, meanwhile, according to the previous recommendation algorithm, we introduce the Markov logical network model into the recommended algorithm,construct the Kcommendation model, and evaluate the algorithm through the experimental results. The system uses J2EE architecture technology and B/ S-based three-ti巧 system interface model to build the overall framework, completed the design of the functional modules of the telecom website.

　　KEYWORDS: j2ee; markov model;commodity Kcommendation; e-commerce

　　随着web2.0的时代的到来,互联网信息越来越庞大,在如此海量的数据中,筛选出各类人所需要的信息就尤为重要。如何找到各人所需要的相应的信息,并且是对自己有用的信息,成为了一个十分重要的问题。在互联网上找到自己所需要的信息有多种方式I通过捜索引擎可以解决这一需求。比较知名的搜索引擎有雅虎、谷歌、百度、必应等。

　　但是送种搜索的方式是一种通用的方式,无法通过搜索的形式来满足不同人群对不同形式、不同喜好的需求的查询。目前,互联网信息量过载的现象越来越严重,送让人们在信息量过载的网络中处于非常迷茫的状态,使人们很难精确地找到自己所需要的信息。由此,个性化服务成为了我们迫切的一种需求,它针对用户的行为习惯、爱好的不同而特别制定服务。

　　个性化推荐已经获及到了诸多方面,比如在用户兴趣建模、用户兴趣分析技术、推荐技术等,而个性化推荐技术越来越成为个性化服务中的核也技术。随着电子商务的发展,推荐技术己经逐渐成为电子商务网站中的关键技术,个性化的推荐技术给各大电商网站带来了巨大的经济收益。据有关部口数据统计,亚马逊商城的总营业额中的40%都来自其个性化服务的推广。与此同时,越来越多的网站开始加入到个性化服务的行列,实践证明,个性化服务已经逐渐成为各大网站不可或缺的一部分,这都源于个性化服务所带来的经济创收。

　　但是,推荐服务作为个性化服务的核也技术,还有很多问题有待解决。在传统的推荐技术中,大多是基于搜索引擎或者是各类网站的口户站点,该种推荐方式是一种被动的方式,该种推荐方式不能根据用户的需求的变化而实时向用户推荐不同的商品。个性化服务旨在根据用户的行为记录来分析当时用户的需求,动态的向用户推荐该用户可能喜欢的商品。信息检索和信息过滤都属于个性化推荐技术,但是信息检索存在被动响应的缺陷,因此,基于信息过滤的推荐技术得到了快速的发展。

　　目前比较流行的推荐技术有很多,比如基于协同过滤的方法、基于内容的方法、基于关联规则的方法,基于组合过滤的方法。其中使用最多方法为基于协同过滤的方法和基于内容的方法,这些方法也都有自己的优缺点。本文针对几种推荐算法进行了组合,使他们的优点集合与同一个算法中,并巧马尔可夫逻辑网络模型引入到推荐算法中,构建推荐模型。实验中经过几种算法的对比,取得了良好的效果。

　　为了满足客户购买商品的需求,我们选择将推荐算法整合到电子商城系统中,在电子商城中,当注册成为会员后,客户就可购买商城提供的所有商品。网上商城网站是建立在intemet网上进行商务活动的虚拟网络空间和保障商务顺利运营的管理环境;是协调、整合信息流、物质流、资金流有序、关联、高效流动的重要场所。

　　本文在电子商务平台中整合了推荐算法,推荐算法针对在平台上注册的用户的购物行为进行了充分的调研,推荐系统对不同的客户进行相应的商品推送,针对电子商务网站推荐系统的特点,采用合理的系统架构和数据库,来搭建提供个性化推荐服务的商务平台。

　　论文分析了常用的推荐策略,对不同的推荐方法的优缺点进行了总结与概括,本文将基于用户的协同过滤算法、基于物品的协同过滤算法,基于Slopone的推荐算法兰个算法进行有效的整合,最终给不同的客户推荐不同的商品。同时,在基于马尔可夫逻揖网络模型的基础上构造模型,増加了推荐系统的推荐策略。

　　在搭建电子商务平台时采用当前网络比较流行的B/S　H层体系结构模式和J2EE架构技术作为系统的整体架构。SSH框架是目前J2EE领域里最热口而且用得较为成熟的一套开源框架,它是基于MVC设计模式之上,在充分发挥MVC设计模式优点的同时,也创造出了自己的开发特点,降低了应用程序的赖合性,更进一步提高了应用程序的复用性、移植性、灵活性、扩展性和应用性能。SSH是一套轻量级的开发框架,SSH包含了　EJB开发的优势,提高了开发和执斤的效率,SSH相比较于EJB更容易被理解和学习。

　　本论文分为六章:

　　第一章介绍关于本文的研究背景、研巧意叉从及主要研究内容,阐述论文的目标。

　　第二章详细介绍本文采用的推荐算法,并介绍了马尔可夫逻揖网模型,基于马尔可夫逻辑网络模型构造了推荐算法模型。

　　第三章介绍了组合推荐算法和基于马尔可夫遥辑网模型的推荐算法的实验设计,并给出了实验结果。

　　第四章提出系统的需求分析,并设计各功能模块。

　　第五章为对本系统的各模块的实现化及系统的相关测试。

　　第六章对论文进巧了总结及以后工作的展望。

　　商品推荐系统测试：

用户注册

易邮邮件服务器

用户登陆

激活邮件

订单支付

订单管理

主要测试方法

目录

　　摘要
　　ABSTRACT
　　第一章 绪论
　　　　l.l 研究的背景和意义
　　　　1.2 推荐系统研究现状
　　　　1.3 论文的主要内容
　　　　1.4 论文的组织结构
　　第二章 推荐算法
　　　　2.1 推荐算法分析
　　　　　　2.1.1 协同过滤推荐算法简介
　　　　　　2.1.2 基于用户的协同过滤算法(user-based collaborative filtering)
　　　　　　2.1.3 基于物品的协同过滤算法(item-based collaborative filtering)
　　　　　　2.1.4 基于Slopone的推荐算法
　　　　　　2.1.5 组合推荐算法
　　　　2.2 基于马尔可夫逻辑网模型的推荐算法
　　　　　　2.2.1 马尔可夫逻辑网概述
　　　　　　2.2.2 —阶逻辑概述
　　　　　　2.2.3 马尔可夫逻辑网与一阶知识库
　　　　　　2.2.4 马尔可夫逻辑网算法
　　　　　　2.2.5 马尔可夫逻辑网的应用
　　　　　　2.2.6 基于马尔可夫逻辑网模型的建模
　　　　2.3 本章小结
　　第三章 实验设计和算法评估
　　　　3.1 数据集
　　　　3.2 评测指标
　　　　3.3 实验设计
　　　　　　3.3.1 组合推荐
　　　　　　3.3.2 基于马尔可夫逻猜网模型的推荐
　　　　3.4 实验结果
　　　　3.5 本章小结
　　第四章 系统分析与设计
　　　　4.1 系统分析
　　　　　　4.1.1 可行性分析
　　　　　　4.1.2 需求分析
　　　　4.2 系统设计
　　　　　　4.2.1 系统设计目标
　　　　　　4.2.2 系统的设计原则
　　　　4.3 数据库总体设计
　　　　　　4.3.1 数据库概念设计
　　　　　　4.3.2 数据库逻辑设计
　　　　4.4 数据库中数据表的实现
　　　　4.5 推荐系统网站的功能设计
　　　　4.6 商品推荐流程
　　　　4.7 本章小结
　　第五章 系统实现与测试
　　　　5.1 各模块功能的实现
　　　　　　5.1.1 推荐模块
　　　　　　5.1.2 用户注册和登录功能
　　　　　　5.1.3 购物车功能
　　　　　　5.1.4 商品巧单功能
　　　　　　5.1.5 商品分类管理功能
　　　　　　5.1.6 商品管理功能
　　　　　　5.1.7 巧单管理功能
　　　　5.2 系统测试
　　　　　　5.2.1 单元测试
　　　　　　5.2.2 集成测试
　　　　5.3 本章小结
　　第六章 总结与展望
　　　　6.1 总结
　　　　6.2 展望
　　参考文献
　　致谢

（如您需要查看本篇毕业设计全文，请您联系客服索取）