自营网络平台个性化推荐系统设计与实现

1、2015届毕业生毕业论文题 目： 森马自营网络平台个性化推荐系统的设计和实现 院系名称： 管 理 学 院 专业班级： 电子商务1103班学生姓名： 节 晓 宽 学 号： 201117050310 指导教师： 李 永 海 教师职称： 讲 师 2015年6月3日摘 要森马自营网络平台是由森马电子商务有限公司自主运营的网络零售渠道,在线上销售森马品牌服饰商品,并提供森马官方旗舰店旗舰店、巴拉巴拉官方旗舰店、GLM品牌官方旗舰店、哥来买官方旗舰店等品牌旗舰店的最新特价打折团购信息。网站自上线以来，网站点击量和订单成交量不断攀升，森马自营零售平台也成为森马电子商务有限公司在线上销售商品的一个重要渠道。随

2、着森马电子商务的建立和不断发展，各种森马品牌的服饰商品不断在线上呈现，客户在购买服饰时的可选择性也逐渐提高，但是这样造成了部分用户的选择困惑需要花费更多的时间才能选择到时候客户的商品。调查反映，那些购买商品目的不太明确的客户浏览森马自营网络平台时会显得十分迷茫。为了解决这些问题就需要在森马自营零售平台上搭建开发一套个性化推荐系统，以帮助森马自营零售平台为其顾客购物提供完全个性化的决策支持和信息服务。本文在全面研究个性化推荐系统的相关理论的基础上，结合推荐系统相关技术，设计一套针对森马自营网络平台的个性化推荐系统方案，并将其应用实现于森马自营零售电子商务系统中，从而满足客户在森马自营网络平台选购

3、商品时快速便捷地找到喜爱商品的目的。文章采用协同过滤、内容过滤和数据挖掘技术针对森马自营网络平台设计一套个性化电子商务推荐系统，在对森马自营网络平台进行需求分析和可行性分析的基础上，着重从总体架构和逻辑架构两个方面进行了个性化推荐系统的设计，并从用户行为提取和分析模块、相关推荐模块、过滤和排名模块以及推荐解释模块四个方面来进行功能实现。关键词：森马自营网络平台；个性化；推荐系统；设计；实现39Semir self Network Platform personalized recommendation system Design and ImplementationAbstract Semir

4、 self-network e-commerce platform by Semir Limited network of independent retail operations, sales Semir brand apparel merchandise online, and provides Semir official flagship store flagship store, barabara official flagship store, GLM official flagship store brand, brother to buy last minute discou

5、nt buy information official flagship store flagship store brands. Since the on-line site, site traffic and rising volume of orders, Semir self-operated retail platform also become an important channel for the e-commerce Limited Semir online sale of goods.With the continuous expansion of e-commerce S

6、emir scale, rapid growth in the number and variety of goods, the customer takes a lot of time to find their own to buy the merchandise. This process of information and products will undoubtedly visit a large number of unrelated drowning in information overload problem of consumers continue to drain.

7、 Survey reflects the purpose of those purchases is not clear customer will become very confused when browsing Semir import network platform. To solve these problems we need to build a system to develop a personalized recommendation on Semir self-operated retail platform to help its customers Semir i

8、mport and retail shopping platform provides fully personalized decision support and information services.Based on a comprehensive study of personalized recommendation system theory, combined with the recommended system-related technology, design a personalized recommendation system solutions for sel

9、f Semir network platform, and its application Semir self-realization in retail e-commerce system In order to meet customer Semir import network platform quickly and easily find the purpose of the purchase of goods like commodities.Articles using collaborative filtering, content filtering and data mi

10、ning techniques for self Semir network platform design a set of personalized recommendation system, based on self-Semir network platform needs analysis and feasibility analysis, focusing on the overall architecture and Two aspects of the logical architecture design personalized recommendation system

11、, and extract and analyze four modules, relevant recommendation module, filtering and ranking module and recommended interpretation module functions from user behavior to achieve.Keywords: semirself-networke-commerce platform; network marketing; personalized; recommended system; design; implementati

12、on目 录摘要IAbstractII第1章 绪论11.1 研究背景11.1.1 客户面对森马自营网络平台的众多商品显得迷茫11.1.2 推荐系统的研究引起广泛关注11.1.3 森马自营网络平台推荐系统开发的必要性11.2 问题的提出21.2.1 森马自营网络平台推荐系统开发的需求分析及可行性分析21.2.2 森马自营网络平台推荐系统的设计21.2.3 森马自营网络平台推荐系统的实现与测试31.3 研究目标与研究意义31.3.1 研究目标31.3.2 研究意义31.4 研究内容与研究方案41.4.1 研究内容41.4.2 研究方案41.5 本文章节安排5第2章 相关研究文献综述、评述及相关技术介

13、绍62.1 相关研究文献综述62.1.1 关于推荐系统的研究62.1.2 关于零售平台推荐系统的研究62.1.3 关于推荐系统关键技术的研究62.2 相关文献研究评述72.2.1 已有成果的主要贡献72.2.2 已有成果的不足之处72.2.3 对本文研究的启示82.3 相关技术介绍82.3.1 协同过滤82.3.2 内容过滤92.3.3 数据挖掘92.4 本章小结10第3章 森马自营网络平台推荐系统开发的需求分析及可行性分析113.1 需求分析113.1.1 业务需求分析113.1.2 用户需求分析113.1.3 功能需求分析113.2 可行性分析133.2.1 经济可行性133.2.2 技术

14、可行性133.2.3 操作可行性13第4章 森马自营网络平台推荐系统的设计144.1 推荐系统的总体架构设计144.1.1 系统平台介绍144.1.2 系统逻辑架构设计154.1.3 系统功能模块划分154.1.4 系统数据库设计164.2 推荐系统功能模块的详细设计184.2.1 用户行为提取和分析模块的设计184.2.2 相关推荐模块的设计184.2.3 过滤和排名模块的设计204.2.4 推荐解释模块的设计20第5章 森马自营网络平台推荐系统的实现与测试225.1 推荐系统的实现225.1.1 用户行为提取和分析模块的实现225.1.2 相关推荐模块的实现265.1.3 过滤和排名模块的

15、实现275.1.4 推荐解释模块的实现285.2 推荐系统的测试295.2.1 系统运行测试295.2.2 系统性能测试29第6章 结论与展望316.1 本文的主要研究成果及结论316.2 本文的主要贡献316.3 本文研究的局限316.4 今后研究工作展望32参考文献33致谢35第1章 绪论1.1 研究背景1.1.1 客户面对森马自营网络平台的众多商品显得迷茫森马自营网络平台是由森马电子商务有限公司自主运营的网络零售渠道,在线上销售森马品牌服饰商品,并提供森马官方旗舰店旗舰店、巴拉巴拉官方旗舰店、GLM品牌官方旗舰店、哥来买官方旗舰店等品牌旗舰店的最新特价打折团购信息。网站自上线以来，网站点

16、击量和订单成交量不断攀升，森马自营零售平台也成为森马电子商务有限公司在线上销售商品的一个重要渠道。随着森马电子商务的建立和不断发展，各种森马品牌的服饰商品不断在线上呈现，客户在购买服饰时的可选择性也逐渐提高，但是这样造成了部分用户的选择困惑需要花费更多的时间才能选择到时候客户的商品。调查反映，那些购买商品目的不太明确的客户浏览森马自营网络平台时会显得十分迷茫。为了解决这些问题就需要在森马自营零售平台上搭建开发一套个性化推荐系统，以帮助森马自营零售平台为其顾客购物提供完全个性化的决策支持和信息服务。1.1.2 推荐系统的研究引起广泛关注1995年3月，Robert Armstrong等人在美国人

17、工智能协会上首次提出了个性化导航系统；此后来自斯坦福大学的Marko Balabanovic等人在同在美国人工智能协会上推出了个性化推荐系统LIRA。自此以来，世界各国对个性化推荐系统的理论研究日益增多，并在各个发展时期也呈现出不同的研究重点。其中，电子商务个性化推荐系统一直是界内学者研究的重点方向之一。随着电子商务技术的不断成熟完善，国内外学者也加强了对电子商务个性化推荐系统地研究。在应用实践上，亚马逊、当当、京东、淘宝天猫等电子商务网站也推出了个性化推荐系统，方便客户在海量的信息中快速找到想要的商品。1.1.3 森马自营网络平台推荐系统开发的必要性目前，森马服饰旗下产品包括森马男装女装、巴

18、拉巴拉童装、GLM男装、哥来买男装等八大品牌产品1000多件，各个品牌产品又包括20多个类目，多种风格。再这样多数量、类目、风格的产品中如何快速准确地挑选出消费者喜爱的产品，成为森马自营零售平台需要亟需解决的重要问题。电子商务个性化推荐系统的开发建设一直是森马自营零售平台发展完善的一个重要方向。个性化推荐系统就是根据用户的历史行为和用户信息，判断用户的兴趣爱好，为用户推荐感兴趣的商品和信息。这就大大提高了电子商务活动的简便性和有效性，同时也提高了企业的服务水平。总体说来，一个成功的个性化推荐系统的作用主要表现在以下三个方面：（1）提高电子商务平台商品转化率：电子商务个性化推荐系统为那些没有购买

19、欲望或者购买欲望不太强烈的用户提供感兴趣的商品推荐，在客户浏览过程中吸引用户眼球促成商品购买。（2）提高电子商务网站的商品销售额：电子商务个性化推荐系统在客户浏览某种商品时为客户提供其他个性化相关产品推荐，客户可以针对推荐列表选择适合自己购买的商品，从而提高电子商务网站的商品销售额。（3）提高客户的品牌忠实度：电子商务个性化推荐系统为客户提供高质量的个性化商品的同事，分析用户的兴趣爱好，和用户建立长期稳定协助关系，提高用户在此电子商务网站购物时的品牌忠诚度。个性化推荐系统具有良好的发展和应用前景。目前，国内外大型电子商务网站大部分都采用了个性化推荐系统为客户进行感兴趣的商品推荐，例如，国外有亚

20、马逊，国内有淘宝天猫、京东、当当都提供了个性化推荐服务。1.2 问题的提出1.2.1 森马自营网络平台推荐系统开发的需求分析及可行性分析要对森马自营网络平台个性化推荐系统进行设计和实现就必须先对系统需求想进行详细的分析和实现，尤其体现在业务需求、用户需求和功能需求上。业务需求上，如何设计才能使现有的网络平台满足森马电商平台业务发展的需要；用户需求上，怎样进行个性化的推荐才能让提高用户粘性、订单成交量和客单价；功能需求上，要在现有平台基础上添加更加智能的个性化推荐功能。森马自营网络平台的可行性分析主要可以分为经济可行性、技术可行性和操作可行性三个方面。经济上要首先考虑森马电商在个性化推荐系统上的

21、开支；技术上，要考虑现有的推荐技术能否在森马自营网络平台上为用户推荐个性化的商品；操作上，要综合考虑系统运营上的便利性和系统维护上的可行性。1.2.2 森马自营网络平台推荐系统的设计森马自营网络平台是森马电子商务公司推出的针对线上自营的电子商务平台，主要销售线上森马八大品牌的商品。森马自营网络平台个性化推荐系统的设计不需要重新自主开发商城系统在进行个性化推荐系统的设计，而是要在现有森马自营网络平台的基础上进行个性化推荐系统的设计。对森马自营网络平台的设计要从总体架构设计和逻辑架构设计两个方面进行分析介绍。电子商务个性化推荐系统的设计又要细分为系统平台介绍、系统逻辑架构设计、功能模块设计、数据库

22、设计等四个方面的设计分析，这些都要在系统设计中得以体现。如何进行总体设计并且在详细设计上保持系统的可行性和可实现性，这些都是进行系统设计需要综合考虑的问题。1.2.3 森马自营网络平台推荐系统的实现与测试森马自营网络平台个性化推荐系统设计之后就要从相应的模块进行逐步的实现，系统实现的过程就是设计落实的过程也是简要系统设计是否可行的过程。因此，在系统实现中必须完全体现系统设计的各个模块，并且做出相应的分析介绍，并且在系统实现之后进行系统的初步测试。1.3 研究目标与研究意义1.3.1 研究目标本文在全面研究个性化推荐系统的相关理论的基础上，结合推荐系统相关技术，设计一套针对森马自营网络平台的个性

23、化推荐系统方案，并将其应用实现于森马自营零售电子商务系统中，从而满足客户在森马自营网络平台选购商品时快速便捷地找到喜爱商品的目的。1.3.2 研究意义设计和实现森马自营网络平台个性化推荐系统主要为了收集用户特征资料并根据用户特征和兴趣偏好，为客户提供个性化的商品推荐。电子商务推荐系统是一种提升电子商务零售网站整体营销性能的个性化推荐工具。(1)通过建立以用户为中心的个性化的营销策略，帮助客户提升用户的忠诚度，在最合适的时机提供用户最需要的信息，为用户提供更加舒适的购物体验。(2)电子商务推荐系统通过个性化推荐技术对网站整体流量结构的调节，增加商品的曝光数，提升用户平均访问步长和商品页访问量，从

24、而降低用户跳出率，进而影响商品转化率、商品动销数以及销售额，从根本上提升森马自营网络平台的整体营销性能。(3)对森马自营网络平台推荐系统的设计与实现的研究还进一步推动了国内推荐系统在理论与实践方面的发展。1.4 研究内容与研究方案1.4.1 研究内容本文的研究框架如下图1.1所示，森马自营网络平台推荐系统的设计与实现在本课题中的研究内容主要包括以下几个方面：（1）了解推荐系统发展背景，森马自营零售平台发展状况及电子商务个性化推荐系统相关技术介绍。（2）对森马自营网络平台推荐系统开发的需求分析及可行性分析进行相关介绍。（3）重点从架构设计和功能模块两方面对森马自营网络平台个性化推荐系统设计和实现

25、，并进行最终进行系统测试。课题研究背景研究问题的提出相关文献综述森马自营网络平台个性化推荐系统的设计和实现可行性分析相关技术介绍需求分析森马自营网络平台个性化推荐系统的设计总体设计详细设计森马自营网络平台个性化推荐系统的实现和测试结论与展望图1.1 论文框架图1.4.2 研究方法文在研究过程中主要采用了如下三种研究方法：（1）文献研究法通过专业期刊的国内外数据库、图书馆和网络等多种渠道，获取与本文相关的学术期论文、各类书籍以及络资源，梳理和分析推荐系统内外研究现状、存在的问题以及值得借鉴的经验。（2）实验研究法实验研究法在系统设计和系统测试的过程中多次使用。实验的目的在于验证实验组相比传统组的

26、推荐方法具有更好的推荐进度和推荐质量。在此的实验研究主要在设计和实现个性化推荐系统地同时采用实践的方式检验系统的操作可行性，并最终来进行系统测试。（3）基于设计的研究方法基于系统设计的相关和方法，设计森马自营网络平台推荐系统，并基于语和数据库加以实现。1.5 本文章节安排本共分六个个章节，各章节内容安排如下：第一章为绪论。主要介绍了森马自营网络平台个性化推荐系统所研究的背景和研究现状，并介绍了本文研究的主要工作。第二章为相关研究文献综述、评述及相关技术介绍。主要介绍了森马自营网络平台推荐系统的设计与实现的相关内容，并简要介绍了推荐系统的相关技术。第三章为森马自营网络平台推荐系统开发的需求分析及

27、可行性分析。对森马自营网络平台推荐系统开发的业务需求、用户需求、功能需求三个方面的需求进行介绍并从经济可行性、技术可行性、操作可行性三个方面进行系统可行性分析。第四章为森马自营网络平台推荐系统的设计。从总体架构和功能模块的详细设计两方面对森马自营网络平台推荐系统进行设计。第五章为森马自营网络平台推荐系统的实现与测试。完成对森马自营网络平台推荐系统的实现，并对主要功能加以说明和测试。第六章为总结与展望。总结本文所做的工作，并对森马自营网络平台推荐系统的未来研究加以展望。第2章 相关研究文献综述、评述及相关技术介绍2.1 相关研究文献综述2.1.1 关于推荐系统的研究国内对推荐系统的研究较多深入介

28、绍了推荐系统相关技术在应用上，本文主要目的在于森马自营零售平台推荐系统的设计和实现。关于推荐系统地研究可以看到：王国霞Error! Reference source not found.（2012）在个性化推荐系统综述中阐述了个性化推荐系统的几项关键技术，主要包括用户建模、推荐对象的建模和推荐算法，并进行详细分析介绍；杨杰Error! Reference source not found.（2009）在个性化推荐系统应用及研究中针对个性化推荐系统存在的用户兴趣漂移问题提出了基于网络稠密度的用户兴，趣漂移检测方法该方法能在快速检测用户兴趣漂移的同时去除噪声用户对推荐系统的影响，提高推荐系统的精确

29、度和稳定性；许海玲，吴潇Error! Reference source not found. （2009）在互联网推荐系统比较研究中讨论了推荐系统的具体定义并通过对比进行分析各种主要的推荐算法。2.1.2 关于零售平台推荐系统的研究国外的个性化推荐技术在各个领域都得到了广泛的运用,无论是电子商务或者电影和视频网站还是音乐网络电台和社交网络，甚至在阅读、广告、邮件等领域个性化推荐都以其独特的针对性发挥着越来越重要的作用。关于零售平台推荐系统地研究：李晓丽Error! Reference source not found.（2013）的电子商务个性化推荐系统地设计和实现针对各个推荐算法的优缺点并依

30、据商城的实际数据提出利用内容和协同过滤这两种算法组合加权来对用户进行针对性的推荐；张凤婷Error! Reference source not found.（2012）在面向网购平台的个性化推荐系统设计与实现中通过对海量的用户应为以及商品信息进行数据挖掘，支持对客户兴趣的计算和用户潜在偏好的预测设计和实现了面向网购平台的个性化推荐系统；杨静Error! Reference source not found.（2012）在电子商务个性化推荐系统的构建中针对电子商务环境下户需求的差别，构建了个性化推荐系统，进而阐述该系统的功能及工作流程，并具体分析系统的结构；王义Error! Reference

31、source not found.（2014）在基于用户行为的电子商务推荐系统地设计和研究中从理论和实践两个角度出发采用前融合组合推荐策略，将Web数据挖掘技术和基于用户-商品类的协同过滤算法相结合研究和设计了一个基于用户行为的电子商务推荐系统；徐东来Error! Reference source not found.（2012）在一个电子商务网站商品推荐系统设计与实现中本文分析和设计了电子商务网站推荐系统的应用实践场景，结合电子商务应用场景介绍推荐系统的核心问题：用户、商品以及用户和商品的关联方法，对现有的推荐算法进行总结。2.1.3 关于推荐系统关键技术的研究关于推荐系统关键技术的研究一直

32、是国内学者面对推荐系统地一个重要研究方向，从中我们可以看到：杨智奇Error! Reference source not found.（2009）在协同过滤技术在电子商务个性化推荐系统地研究和应用中重点分析研究了电子商务个性化推荐领域应用最广泛的相关推荐技术一协同过滤技术。然后对推荐系统的应用实例一网上商城系统进行了需求分析和系统设计；项亮Error! Reference source not found.（2012）在动态推荐系统关键技术研究中基于大量公开的用户行为数据集对推荐系统动态特性进行了深入的研究，分析了评分预测用户兴趣的模型；任磊Error! Reference source no

33、t found.（2012）在推荐系统关键技术研究中阐明了信息过载问题的产生原因和影响,全面分析了影响推荐系统发展的相关问题,特别针对稀疏性问题和概念漂移问题对协作推荐算法的影响,通过对协作推荐算法各执行过程的完善和改进,提出了相应的改进算法,并实验证明了所提算法在提高协作推荐预测准确性方面的有效性。这些文献都对推荐系统相关技术做出了详细的介绍分析。2.2 相关文献研究评述2.2.1 已有成果的主要贡献推荐系统在学术研究领域获得了学者们广泛关注，在实际的电子商务系统中也得到了广泛实践应用。各种个性化推荐系统的研究都为推荐系统在互联网中的实际运用提供了理论借鉴，特别是关于推荐系统关键技术的研究直

34、接推进了个性化推荐系统在实际项目中的完善。关于推荐系统地研究，现阶段主要文献取得的成果有以下几点：（1）在推荐相关技术运用上，协同过滤、内容过滤和社会化过滤这几种技术已经在国内外学者的研究之下得到广泛的应用和推广，直接有益于推荐系统在网络平台上的设计和实现。（2）在应用实施上，现有的推荐系统研究结合互联网发展的状况，无论是社交网络、新闻媒体，还是网上商城都等到了很好的实现。2.2.2 已有成果的不足之处电子商务个性化推荐系统在获得广泛关注和研究的同时，随着电子商务系统规模越来越大，推荐系统也面临着一系列挑战，主要包括：（1）实时性问题：电子商务个性化推荐系统大多很难保证推荐商品的实时性，这样就

35、造成了推荐商品的个性化程度和推荐质量的大大降低。因此，个性化推荐系统的研究和实践在提供实时推荐服务的同时，需要进一步提高推荐商品的实时性。（2）精确性问题：电子商务平台商品数量越多，网站注册用户量越大，个性化推荐系统地推荐商品的精确性就越低。电子商务个性化推荐系统的精确性问题是推荐系统在研究和实践中面临的一个重要问题。（3）稀疏性问题：电子商务个性化推荐系统主要是指个客户评价或购买的产品占产品总数中很小一部分，使算法准确率降低，甚至无法作。（4）扩展性问题是指随着客户和产品的增加，计算量也大大增加。在大数据量的情况下，算法的处理时间可能增加到无法忍受的程度，处理能力也变得十分低下。2.2.3

36、对本文研究的启示本文综述了电子商务推荐系统的相关研究，发现目前研究中存在的问题，针对电子商务推荐系统面临的主要挑战，对电子商务推荐系统中的推荐算法以及推荐系统体系结构等核心技术进行了有益的探索和研究。在森马自营网络平台的基础上进行了设计和实现，并且通过初步的测试证明了其可行性。森马自营网络平台个性化推荐系统的设计和实现一方面要利用现有的比较成熟的推荐算法进行结合和实施，并且要在推荐质量上保证推荐商品的时效性和精确性。通过对用户数据进行不断地数据分析，结合现有推荐算法不算提高推荐的个性化和精确化。2.3 相关技术介绍最近几年关于电子商务个性化推荐系统的研究很热门，很多研究者都提出了不同的推荐方法

37、。这些方法可以按照两种方法分类，第一种按使用的数据来分类，可以分为协同过滤，内容过滤和社会化过滤等等。另一种按照模型来分类，可以分为基于邻域的模型，矩阵分解模型和图模型。本文主要通过介绍协同过滤和协同过滤两种主要的推荐方法并结合数据挖掘技术对森马自营网络平台个性化推荐系统地技术进行分析。2.3.1 协同过滤协同过滤是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。协同过滤是推荐系统应用实践中最为成熟的一个推荐技术，它利用兴趣相投、拥有共同经验之群体的喜好来推荐使用者感兴趣的商品，个人透过合作的机制给予资讯相当程度的回应（如评分）并记录下来以达到过滤的目的进而帮助别人筛选商品。与传统文本过滤

38、相比，协同过滤有下列优点:(1)能够过滤机器难以自动内容分析的资讯，如艺术品，音乐等。也就是基于用户标识等，可以自动归类；(2)共用其他人的经验，避免了内容分析的不完全或不精确，并且能够基于一些复杂的，难以表述的概念（如资讯品质、个人品味）进行过滤，直接后天间接性继承前辈经验；(3)有推荐新商品的能力。可以发现内容上完全不相似的商品，使用者对推荐商品的内容事先是预料不到的。可以发现使用者潜在的但自己尚未发现的兴趣偏好。例如亚马逊网站采用协同过滤技术为其用户提供高质量的推荐服务。（4）推荐个性化、自动化程度高。能够有效的利用其他相似使用者的回馈商品。加快个性化学习的速度。缺点是：(1)用新使用者

39、问题(New User Problem)：系统开始时推荐品质较差；（2）新项目问题(New Item Problem) ：品质取决于历史资料集（即最初评价问题）。（3）稀疏性问题（Sparsity）：系统历史数据过少，难以进行精确的模式查找匹配推荐。（4）系统延伸性问题（Scalability）：新加User或者Item时，系统需要增加计算负荷量大。2.3.2 内容过滤基于内容的推荐（Content-based Recommendation）是是建立在项目的内容信息上作出推荐的，而不需要依据用户对项目的评价意见，更多地需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。在基于内

40、容的推荐系统中，项目或对象是通过相关的特征的属性来定义，系统基于用户评价对象的特征，学习用户的兴趣，考察用户资料与待预测项目的相匹配程度。用户的资料模型取决于所用学习方法，常用的有决策树、神经网络和基于向量的表示方法等。基于内容的用户资料是需要有用户的历史数据，用户资料模型可能随着用户的偏好改变而发生变化Error! Reference source not found.。基于内容的过滤主要分为三个步骤进行推荐：（1）首先收集客户信息；（2）针对客户购买商品的最近邻搜索，先计算已评价商品和待预测商品的相似度，并以相似度为权重加权各商品的评价分数，得到待预测商品的预测值。（3）产生推荐结果，在用

41、户使用评价一个商品感兴趣后，会自动搜寻改商品相似度最大的前N项条目。2.3.3 数据挖掘数据挖掘就是从大型数据库的数据中提取人们感兴趣的商品信息，在这里主要是针对森马自营网络平台客户的信息和浏览记录以及购买记录进行数据分析处理。通常情况下来说：数据挖掘意味着在一些事实或者观察数据的集合中寻找模式的决策支持过程Error! Reference source not found.。数据挖掘是一个数据分析和处理的过程，主要分为以下五个步骤：建立目标数据集、数据清理和预处理、选择特定的数据挖掘算法、结果的解释和评估以及知识验证及应用等几个过程。（1）建立目标数据集根据确定的数据分析对象抽象出在数据分析

42、中所需要的特征信息，然后选择合适的信息收集方法，将收集到的信息存入数据库。对于海量数据，选择一个合适的数据存储和管理的数据仓库是至关重要的。（2）数据清理和预处理在数据库中的数据有一些是不完整的（有些感兴趣的属性缺少属性值），含噪声的（包含错误的属性值），并且是不一致的（同样的信息不同的表示方式），因此需要进行数据清理，将完整、正确、一致的数据信息存入数据仓库中。（3）选择特定的数据挖掘算法，如分类、聚类、关联规则或序列模式发现等。确定挖掘任务后，进行算法的选择。根据数据仓库中的数据信息，选择合适的分析工具，应用统计方法、事例推理、决策树、规则推理、模糊集、甚至神经网络、遗传算法的方法处理信息

43、，得出有用的分析信息。（4）结果解释和评估数据挖掘阶段发现出来的模式，可能存在冗余或无关的模式，需要将其剔除。也可能模式不满足用户要求，需要整个发现过程回退到前一个阶段。另外，数据挖掘是面向最终用户的，需要对发现的模式进行可视化，或者将结果转换为用户易懂的表示方式。（5）知识验证及应用将数据挖掘所得到的分析信息以可视化的方式呈现给用户，或作为新的知识存放在知识库中，供其他应用程序使用总之，数据挖掘可粗略地理解为三部曲：数据准备、数据挖掘、以及结果的解释评估，这是一个循环往复的过程，贯穿整个系统运行过程Error! Reference source not found.。2.4 本章小结本章介绍

44、了森马自营网络平台推荐系统的文献综述、评述及其相关的技术。在文献综述中，分析了现阶段推荐系统研究状况和研究重点，介绍了已有成果的主要贡献和不足之处以及对本文森马自营网络平台推荐系统的启示。在相关技术介绍中，主要介绍了协同过滤和内容过滤两种推荐系统技术，并着重详细分析了数据挖掘技术在推荐系统中的应用。第3章 森马自营网络平台推荐系统开发的需求分析及可行性分析3.1 需求分析森马自营网络平台个性化推荐系统的设计和实现需要满足业务发展需求和用户需求以及功能需求的基础上，本章主要通过这三个方面进行分析介绍。3.1.1 业务需求分析森马电子商务自建立森马自营网络平台以来，商品销售量在平台上得到持续不断的

45、增加，但是会员的增加达到一定数量之后就需要在订单客单价和成交率上加以提升。在森马自营网络平台上开发电子商务个性化推荐系统则是一个很好的途径来解决用户选择迷茫的问题。此外，公司战略部署上也计划开发和完成森马自营网络平台，而森马自营网络零售平台推荐系统的开发更符合森马业务发展的需要。3.1.2 用户需求分析自森马电子商务自营网络平台建立以来，商品数量不断增加，顾客需要花费大量的时间才能找到自己想买的商品。这对于那些购买目的不太明确的用户来说很容易导致选择困惑。用户在森马自营网络平台上购买商品，就需要满足用户最初的购买欲望，希望在平台上找到适合自己的商品。怎样才能够更快速、更高效的为用户提供喜爱的商

46、品并得到用户的认可这是一个亟需解决的问题。为了解决这些问题，就需要在森马自营网络平台上搭建个性化推荐系统。根据用户的喜好和浏览记录为其推荐适合的商品，以帮助森马自营网络平台为其顾客购物提供完全个性化的决策支持和信息服务。3.1.3 功能需求分析随着森马自营网络平台商品信息量的日益增加客户需求的差别化在电子商务环境下如何构建有效的系统在恰当的时间向恰当的客户推荐恰当的商品或服务信息显得尤为重要。森马自营网络平台个性化推荐系统地构建就是要向来到森马自营网络平台购买森马服饰的客户推荐其喜爱的商品。而在此过程中个性化推荐系统需要做到的就是根据用户在平台上留下的信息，自动分析客户喜好，并且主动推荐个性化

47、的商品。因此，森马自营网络平台个性化推荐系统在功能需求上应该满足以下条件：（1）抓取用户信息个性化推荐系统的主要任务是商品推荐，而进行个性化推荐的前提和资料来源于客户的信息，针对不同客户做出不同的推荐选择。例如，不同注册用户信息的判断、浏览记录的记忆、已购买订单的排除等，这些原始信息的抓取都是进行个性化推荐的前提条件。作为森马自营网络平台个性化推荐系统需要主动区别用户种类，从用户信息中主动抓取并进一步进行数据分析。（2）具备智能化的信息分析和处理森马自营网络平台推荐系统既要具备主动性商品推荐又要具备协作性商品推荐。主动性推荐是根据森马自营网络平台主动抓取到的信息进行主动数据分析，跟踪客户需求的

48、信息并及时处理发布，能从客户浏览检索中分析客户兴趣，推理并预测客户需求。协作性推荐是根据客户之间的相同或者相似性进行信息推荐，是信息相同的客户之间共享信息查询结果。图3.1 主动性推荐图3.2 协作性推荐（3）精确推荐商品森马自营网络平台个性化推荐系统要能够在大量的、无规律、冗杂的商品信息中做出智能化的分析，能够自动过滤屏蔽无关无用的冗余信息，高效利用那些有价值、权重高的信息，做出精确、有效、真正具有针对性的商品推荐；能自动地、智能地将大量的数据转变为具有规律性、系统化的知识，形成具有内在关联的信息链和知识链，并以易于理解的模式推荐给客户。3.2 可行性分析森马自营网络平台个性化推荐系统地设计

49、和实现还需要满足公司经济财务可行性、技术实施可行性和运营维护操作可行性，以下是关于这三个方面可行性的相关分析介绍：3.2.1 经济可行性系统的开发建设首先应该考虑的就是经济实施方面的可行性，这是进行系统开发的先决条件。从系统的规划、开发、测试、操作都需要详细的计算系统开支。由于个性化推荐系统的开发建设是在森马自营网络平台的基础上进行的，而现阶段森马自营网络平台除了个性化推荐系统之外是一套较为完整的电子商务B2C在线平台，本上来说就能节约一大部分经济开支。森马自营平台个性化推荐系统从规划、开发、测试、操作整套流程实施是森马集团大力支持的项目。就长期来说，在森马自营网络平台上建立一套完善的电子商务

50、推荐系统，对于提高商品销量、客户忠诚度和订单客单价都起到了重要作用。3.2.2 技术可行性自1995年3月以来，卡耐基.梅隆大学的Robert Armstrong等人在美国人工智能协会上提出了个性化导航系统以来，个性化推荐系统一直是国内外学者研究的重要方向，尤其是在推荐系统相关技术上，基于关联的推荐、基于内容的推荐和系统过滤推荐在大型电子商务系统中都得到了成功的尝试。就目前为止，推荐系统相关技术已经发展的相当成熟并且比较有名的研究机构和互联网公司都提供了晚上的推荐系统方案，这对于森马自营网络平台个性化推荐系统的建立起到了很好的借鉴作用。森马电子商务有限公司具备系统规划和系统开发人员完全有能力建

51、立和完善一套完整的电子商务个性化推荐系统。3.2.3 操作可行性对于电子商务个性化推荐系统最好解决的应该就是操作上的问题。森马自营网络平台本身就具备较为完善的后台操作管理系统，可以方便运营人员进行日常运营和相关操作。个性化推荐系统是根据用户注册信息和浏览信息主动为用户推荐产品，不需要额外工作人员进行管理维护。可以说，建立这样一套个性化推荐系统，对于森马自营平台来说起到了一劳永逸的作用。第4章 森马自营网络平台推荐系统的设计4.1 推荐系统的总体架构设计森马自营网络平台个性化推荐系统总体架构的设计是针对推荐系统地整体架构进行介绍分析，主要可分为系统平台介绍、系统逻辑结构设计、系统功能模块划分以及

52、系统数据库设计四个部分。4.1.1 系统平台介绍在森马自营网络平台个性化推荐系统设计之前首先要介绍下系统的开发平台、应用平台以及系统物理架构。（1）开发平台介绍Apache服务器，使用PHP语言和Microsoft SQL Server 2005数据库，集成环境WampServer。（2）应用平台介绍Windows2007，Apache，Microsoft SQL Server 2005。（3）系统物理架构介绍图4.1 系统物理架构在森马自营网络平台个性化推荐系统的设计中，采用了B/S模式，从而提高了系统的安全性和用户信息的保密性；同时，在这种架构下用户通过浏览器和客户端实现，简单的事务逻辑在

53、客户端实现，而主要的事务逻辑在服务器端实现，这样大大节约了开发成本，减少了维护成本；同时，采用B/S模式便于用户操作Error! Reference source not found.。4.1.2 系统逻辑架构设计森马自营网络平台个性化推荐系统主要针对三类用户，非注册用户、新注册用户和老用户，针对不同的用户采用不同的策略实现最优的个性化商品推荐。非注册用户浏览森马自营网络平台后，个性化电子商务系统会根据用户来源推荐或推荐热门商品，也会推荐包含用户搜索关键词的商品；对于新注册的用户则可以从用户的注册信息来获取用户的标签，根据用户注册时给自己打的标签向用户推荐与此标签分类相关的产品；对于老用户则可

54、以利用其以往的浏览、收藏、购买、评价等信息来给用户实现个性化推荐。其逻辑架构如下图4.2所示。这三种推荐模式都可以在推荐列表中让用户对推荐结果进行反馈，从而进一步优化推荐结果，将更合适的森马品牌商品推荐给用户Error! Reference source not found.。热销榜推荐游客全站搜索推荐注册标签新注册用户内容过滤协同过滤老用户组合推荐图4.2 系统逻辑架构4.1.3 系统功能模块划分森马自营网络平台个性化推荐系统按业务需求以及功能需求的要求将该系统划分为数据输入准备模、个性化推荐算法模块模块、算法结果保存模块、场景配置功能模块、推荐任务模块Error! Reference so

55、urce not found.。如图4.3所示，为此s推荐系统系统功能模块划分。场景配置模块是根据用户登录注册或者浏览的环境配置当前场景从而向当前用户推荐适合场景的个性化商品。数据输入准备模块又细分为数据选择、数据导入和数据准备三个模块，为下一步的数据分析做准备。个性化推荐模块既根据协同过滤和内容过滤两种推荐关联技术进行算法分析，细分为聚类分析挖掘算法模块、无序关联规则挖掘模块和时序关联规则挖掘模块Error! Reference source not found.。森马自营网络平台个性化推荐系统推荐请求任务模块推荐引擎模块算法结果保留模块数据输入准备模块场景配置任务模块协同过滤算法模块内容过

56、滤算法模块数据分析模块数据准备模块数据导入模块数据选择模块图4.3 系统功能模块图4.1.4 系统数据库设计（1） 推荐系统数据库需求分析网站数据库需求体现在对网站信息的提供、管理、更新和查询操作中，要求数据库能实时响应各种信息的输入和输出需求。根据对森马自营网路平台个性化推荐系统功能的分析，针对系统的需求，遵循数据库设计基本原则，总结出森马自营网络平台个性化推荐系统数据库需求信息如下所述。 每个注册用户对应唯一的基本信息； 每个注册用户可以有多个订单； 每个注册用户每次购物，对应一个购物车； 每种商品类别可以包含多种商品； 注册用户对所购买商品自愿给与评价； 每个订单里可以有多种商品，而每种商品可以同时属于多个订单；（2）数据表设计根据上面的数据库需求分析及系统模块功能介绍，森马自营网络平台推荐系统数据库除了平台本身包含的商品信息表、用户