论文总字数：18046字

摘 要

随着大数据时代的到来，不一样的各种电子设备存储了我们大量的信息，通过挖掘和分析这些海量的数据可以发掘出我们的潜在的购物需要。如今的电子商务行业发展变化的如此迅速，怎样能知道顾客们的潜在的购物需求并且把顾客感兴趣的的东西推送给顾客是现在的电商企业势必要解决的关键问题，然而如今的电子商务个性化信息推荐的方法尚且不够完善，推荐的方法简单而单一，他们都没有经过深层次的数据挖掘以及分析，而是根据顾客们买过的东西还有在网站上看过的东西来推荐商品，这种推荐方式的效率特别低，在现在这个大数据发展如此迅速的时代，我们需要从数据的源头上进行挖掘分析。

关键词：电子商务；推荐系统；个性化推荐；大数据技术

Micro learning platform Design and Implementation

Abstract

With the advent of big data, user personal information distributed in different storage devices in a variety of ways. Integrating all users’ information through mining techniques can draw potential user needs. Rapid e-commerce development, mobile commerce will dominate in the future. How can we quickly tap the potential demand of users, pushing the products that users might be interested in becomes a problem for the e-commerce enterprises in the era of big data. The accuracy of personalization recommendation needs to be improved, and the method is simple without deep data analysis. It is based on user"s browsing featured related to product information, and purchasing information to users. This way of recommendation’s efficiency is low, data mining framework for personalized recommendation should be analysis from the source.

Keywords: Electronic commerce;Recommendation System;Personalized recommendation

目录

摘 要 I

Abstract II

第一章 引言 1

1.1选题背景和研究意义 1

1.2本课题国内外研究现状 1

1.3主要研究内容 2

1.4本文组织结构 2

第二章 相关理论基础与核心技术 3

2.1大数据与个性化信息推荐系统 3

2.1.1大数据概述及其在推荐系统中的作用 3

2.1.2个性化信息推荐系统概述及其发展 4

2.1.3电子商务个性化推荐系统的分类 4

2.2基于大数据的电子商务个性化信息推荐系统的核心技术 5

2.2.1大数据处理框架原理 5

2.2.2个性化推荐技术 6

2.2.3设计平台MATLAB介绍 8

2.2.4主要推荐算法Apriori及其应用 9

第三章 基于大数据的电子商务个性化信息推荐系统的需求分析 10

3.1系统需求分析 10

3.2可行性分析 10

3.3系统定义 11

3.3.1系统概要描述 11

3.3.2系统总体目标 11

第四章 基于大数据的电子商务个性化信息推荐系统的设计 12

4.1个性化推荐系统总体架构设计 12

4.2改进的电子商务个性化推荐结构设计 13

第五章 基于大数据的电子商务个性化信息推荐系统的详细设计与实现 15

5.1 个性化推荐系统功能详细设计 15

5.1.1数据收集模块 15

5.1.2推荐引擎组管理 16

5.1.3推荐结果处理模块 16

5.1.4顾客交互模块 16

5.1.5系统管理模块 16

5.2 个性化推荐系统功能的实现 16

5.2.1数据收集模块的实现 16

5.2.2数据处理模块的实现 17

5.2.3推荐引擎模块的实现 17

5.2.4用户交互模块的实现 19

第六章 个性化推荐系统的测试 21

6.1 系统测试概述 21

6.2 系统测试方法 21

6.3 系统测试过程 22

第七章 结束语 25

7.1 结论 25

7.2 未来展望 25

致 谢 26

参考文献（References） 27

第一章 引言

1.1选题背景和研究意义

随着大数据时代的到来，不一样的各种电子设备存储了我们大量的信息，通过挖掘和分析这些海量的数据可以发掘出我们的潜在的购物需要。如今的电子商务行业发展变化的如此迅速，怎样能知道顾客们的潜在的购物需求并且把顾客感兴趣的的东西推送给顾客是现在的电商企业势必要解决的关键问题，然而如今的电子商务个性化信息推荐的方法尚且不够完善，推荐的方法简单而单一，他们都没有经过深层次的数据挖掘以及分析，而是根据顾客们买过的东西还有在网站上看过的东西来推荐商品，这种推荐方式的效率特别低，然而在现在这个大数据发展如此迅速的时代，我们需要从数据的源头上进行挖掘分析，这就是本文的选题背景。

推荐系统它的实质是一种购物决策制定的系统，它可以给顾客们带来特别多的好处。它可以识别出顾客的购物偏好，然后通过推送相类似的商品来为顾客做出推荐。使用个性化推荐系统可以大大的减少顾客的搜索时间，以此来减少购物时间，提高购物效率，通过系统的推送，消费者可以对物品的质量好坏，价格高低以及商品性能等有一个大致的了解，然后以较低的价格买到质量较好功能较为完善的商品，这是推荐系统对购物过程产生的积极影响。

在学术的角度上来说，现在关于大数据下的个性化信息推荐系统的研究还比较少，相关的理论和技术还不够完善，普通的数据挖掘方法并不能适应现在的电子商务企业的发展需要，因此我们需要更深层次更具有科学性的数据挖掘方法，然后再使用科学的推荐算法实现个性化的信息推荐，这就是本文的研究意义所在。

1.2本课题国内外研究现状

下面将通过四点来介绍国内外的基于大数据的电子商务个性化信息推荐系统的研究现状以及他们之间的区别：

1、个性化的推荐比较少，国内多数是基于一般数据的常规推荐，现在的电商网站通过商品分类的推荐方法，只是单纯地将同类别的商品推荐给消费者，这样简单的根据简单数据进行推荐方法并没有起到很大的作用，因为用户自己就可以点击分类进行查找，这种方法的推荐效果并不是特别理想，首先是它在数据挖掘方面，并没有完全融合大数据的相关概念，其次在推荐方式本身上也不够理想。

剩余内容已隐藏，请支付后下载全文，论文总字数：18046字