论文总字数：17866字

摘 要

在电子商务大行其道的今天，如何让用户快速找到自己想要的信息，成为热议的课题。为了提供准确而快速的推荐，中外研究者提出了很多推荐算法，协同过滤算法是其中应用最成功最广泛的一种。协同过滤算法具有出色的速度，实用性和健壮性，它根据用户的历史选择记录和相似性关系,收集与用户兴趣爱好相同的其他用户的评价信息来产生个性化推荐，但该算法，也存在不足之处。本文就协同推荐算法展开研究，希望给用户带来更好的推荐体验，发掘潜在消费者，使商家和消费者实现双赢。

关键词：协同推荐算法；推荐系统；信息服务；个性化

Abstract

Today, e-commerce is popular, how to enable users to quickly find information what they want, become a hot topic.As quickly and accurately in order to provide recommendations, the Chinese and foreign researchers proposed many recommendation algorithm.Collaborative filtering algorithm is one of the most successful and most widely used. Collaborative filtering algorithm has great speed, practicability and robustness,.It choose according to the user in the history of the similarities and relations, collect the same as the user interests of other users" evaluation information to generate the personalized recommendation, but the algorithm, there are also disadvantages. In this paper, we researches on the collaborative recommendation algorithm, recommend hope to bring a better user experience, explore potential consumers, businesses and consumers to achieve a win-win situation.

Key words: collaborative recommendation algorithm;recommendation system;information service; personalized

目录

摘要 I

Abstract II

第一章 引言 1

1.1 背景与意义 1

1.2 本文的研究目标 1

1.3 论文结构安排 1

第二章 开发工具及相关技术 3

2.1 B/S模式 3

2.2 MyEclipse 3

2.3 TomCate服务器 3

2.4 MySql 4

2.5 SSH框架 4

2.6 JSP技术 4

2.7 协同算法 4

第三章 系统需求分析 7

3.1 可行性分析 7

3.1.1 经济可行性分析 7

3.1.2 技术可行性分析 7

3.1.3 应用可行性分析 7

3.2 功能需求分析 8

3.3 系统的安全性要求 9

3.4 系统的性能需求 9

3.5 用例图 9

3.6 系统总体设计 10

第四章 详细设计与实现 11

4.1数据库设计 11

4.1.1概念结构设计 11

4.1.2 数据库字典 12

4.2 运行环境及工具介绍 14

4.3 核心代码及其分析 14

4.3.1注册使用AJAX异步校验用户名: 14

4.3.2 SSH整合中的分页工具类: 16

4.3.3 用户激活部分代码 17

4.3.4、管理员登录部分代码 17

第五章 测试与成果展示 18

5.1 测试用例 18

5.2成果展示 20

（1）用户注册页面 20

从图5.1可以看到，当用户名已经存在时，文本框后面会出现提示信息，若是不修改，则无法完成注册，加*为必填项，若不填，系统也会有提示。 20

关于激活状态，在没有网络的情况下不可以进行验证，这个时候可以修改数据库中的激活字段，将“0”改成“1”后，新注册的用户就可以登录，登录后可以访问购物车，购买商品。 20

（2）用户登录页面 21

第六章 总结与展望 23

6.1总结 24

6.2 对未来的展望 24

致谢 24

参考文献 25

第一章 引言

1.1 背景与意义

进入21世纪以来，随着互联网的不断发展，越来越多的人成为了网民。随着人们对互联网使用的深入，网络不仅仅用来传递信息，也可以进行买卖，网上购物逐渐发展起来。刚开始，只有部分年轻人使用互联网进行网上购物，随着这一购物方式的不断发展、成熟，愈来愈多的老年人和儿童也加入到网购的大军中，这也成就了像淘宝、京东等购物网站。

当然，互联网商家也面临着这样一个问题，那就是怎样把商品推销给需消费者手中，最大限度地发掘潜在的消费者。网上购物与面对面交易存在很大差别，消费者是来自世界各地的，我们不能通过发传单等进行宣传。于是，推荐算法这个概念被提了出来，其实推荐算法最早在1992年就提出来了，但是火起来却是近年的事情。因为近年互联网大爆发，有了更大的数据量可以供我们使用，推荐算法才有了用武之地。而如何更好地将商品推荐给消费者成了大家热议的话题，在各种推荐算法中，协同算法凭借自身优势脱颖而出，得到了广泛应用。

就电子商务而言，网站需要收集用户信息，包括用户的注册信息，浏览内容、交易订单，并收集具有相同兴趣爱好用户的信息，再通过协同过滤算法的运算，来推测用户喜欢的商品。

1.2 本文的研究目标

设计一个安全、稳定的基于协同过滤算法的电子商务推荐系统，对用户而言，需要实现用户注册、验证、登录、购物的功能，对管理员来说，要实现登录、管理商品、管理订单、管理用户的功能，另外，最重要是实现将商品推荐给需要它的用户的功能。因为一个好的推荐算法可以给用户带来好的推荐体验，也可以最大限度挖掘出潜在用户，实现用户和商家的双赢，探索出好的推荐算法是本文的最终目标。

希望通过本文的研究，让我能深入了解协同算法，并将它运用到实际系统中。

剩余内容已隐藏，请支付后下载全文，论文总字数：17866字