基于链路预测的个性化推荐系统毕业设计(编辑修改稿)

基于链路预测的个性化推荐系统毕业设计(编辑修改稿)内容摘要：

sers with learning more accurate personalized remendations . 12 目 录 1. 绪论 ......................................................... 13 研究背景 ................................................................................. 错误 !未定义书签。 研究意义 ............................................................................................................... 13 国内外研究现状 ..................................................................... 错误 !未定义书签。 论文研究主要内容和论文组织安排 ................................................................... 14 2. 推荐系统相关知识 ................................. 错误 !未定义书签。 链路预测 ................................................................................. 错误 !未定义书签。 链路预测的发展方向 .................................................. 错误 !未定义书签。 数据挖掘技术 ......................................................................... 错误 !未定义书签。 数据挖掘技术的定义 ...................................................................................8 数据挖掘技术的一般过程 .......................................................................... 小结 ....................................................................................................................... 17 3. 个性化推荐系统主要算法和应用 ........................ 错误 !未定义书签。 基于关联规则的推荐 ............................................................. 错误 !未定义书签。 关联规则的定义 .......................................................................................... 4. 个性化推荐系统设计 .................................. 错误 !未定义书签。 系统前端与数据库 ................................................................. 错误 !未定义书签。 Django 简介 ................................................................... 错误 !未定义书签。 Mysql 数据库的嵌入 ..................................................... 错误 !未定义书签。 算法相关代码分析 ................................................................. 错误 !未定义书签。 .................................................................................................. 22 用 fptree 进行数据挖掘 .......................................................................... 22 FP 树的挖掘过程 ......................................................... 错误 !未定义书签。 不同情况下的判定方式 ...............................................................................30 算法的优化 ...................................................................................................31 系统运行效果评估 ............................................................................................... 23 系统运行效果分析 .................................................................................... 31 系统功能测试 ............................................................................................ 19 小结 ....................................................................................................................... 34 5. 总结与展望 ................................................... 35 本文主要工作 ....................................................................................................... 35 工作展望 ............................................................................................................... 35 参考文献 ......................................................... 37 致 谢 ........................................................... 39 中国矿业大学 2020 届本科生毕业设计（论文） 第 13 页 1. 绪论 研究背景 个性化推荐是根据用户的兴趣特点和 购买行为 ，向用户推荐用户感兴趣的 信息 和 商品。 随着 电子商务 规模的不断扩大，商品个数和种类快速增长， 顾客 需要花费大量的时间才能找到自己想买的商品。 这种浏览大量无关的信息和 产品 过程无疑会使淹没在 信息过载问题中的 消费者 不断流失。 为了解决这些问题，个性化推荐系统应运而生。 个性化推荐系统是建立在海量 数据挖掘 基础上的一种高级 商务智能 平台，以帮助 电子商务 网站为其顾客购物提供完全个性化的决策支持和 信息服务。 购物网站的推荐系统为 客户 推荐商品，自动完成个性化选择商品的过程，满足客户的个性化需求，推荐基于：网站最热卖 商品、客户所处城市、客户过去的购买行为和购买记录，推测客户将来可能的购买行为。 在电子商务时代，商家通过购物网站提供了大量的商品，客户无法一眼通过屏幕就了解所有的商品，也无法直接检查商品的 质量。 所以，客户需要一种电子购物助手，能根据客户自己的兴趣爱好推荐客户可能感兴趣或者满意的商品。 个性化推荐的最大的优点在于，它能收集用户特征资料并根据用户特征，如兴趣偏好，为用户主动作出个性化的 推荐。 而且，系统给出的推荐是可以实时更新的，即当系统中的商品库或用户特征库发生改变时，给出的推荐序列会自动改变。 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） 将电子商务网站的浏览者转变为购买者： 电子商务系统 的访问者在浏览过程中经常并没有 购买欲望 ，个性化推荐系统能够向用户推荐他们感兴趣的商品，从而促成购买过程。 2）提高电子商务网站的 交叉销售 能力：个性化推荐系统在用户购买过程中向用 户提供其他有 价值 的商品推荐，用户能够从系统提供的推荐列表中购买自己确实需要但在购买过程中没有想到的商品，从而有效提高电子商务系统的交叉销售。 3）提高客户对电子商务网站的忠诚度：与传统的商务模式相比，电子商务系统使得用户拥有越来越多的选择，用户更换商家极其方便，只需要点击一两次鼠标就可以在不同的电子商务系统之间跳转。 个性化推荐系统分析用户的 购买习惯 ，根据用户需求向用户提供有价值的商品推荐。 如果推荐系统的推荐质量很高，那么用户会对该推荐系统产生依赖。 因此，个性化推荐系统不仅能够为用户提供个性化的推荐服务，而且能与用户建立长期稳定的关系，从而有效保留客户，提高客户的忠诚度，防止 客户流失。 个性化推荐系统具有良好的发展和应用前景。 目前，几乎所有的大型电子商务系统，如 Amazon、 eBay 等不同程度的使用了各种形式的推荐系统。 国内方面，知名购物网站淘宝、凡客诚品、聚美优品等都率先选择了本土最先进的推荐引擎系统构建个性化推荐服务系统。 在日趋激烈的 竞争环境 下，个性化推荐系统能有效的保留客户，提高电子商务系统的服务能力。 成功的推荐系统会带来巨大的效益。 另一方面，各种提供 个性化服务 的 Web站点也需要推荐系统的大力支持，国内推荐系统领航者百分点科技就 Web 站点个性化内容推荐方面也做出了贡献，在信息爆棚的今天，实施个性化阅读势在必行。 研究意义 近年来，随着网络科学的快速发展，链路预测的研究越来越被提上日程，而链路预测的研究与网络结构的演化也越来越紧密的联系起来。 因此，对于个性化预测这个课题，人 中国矿业大学 2020 届本科生毕业设计（论文） 第 14 页 们越来越关注，对它的理论化研究迫在眉睫。 而计算机专业人士研究链路预测的优势正在与理论的计算。 与此同时，对链路预测的研究也可以从理论上帮主我们认识复杂网络演化的机制。 这个课题的内容十分复杂，刻画其中网络结构的统计量也非常的多，各项机制各有优劣难以计算比较。 其中，如何刻画网络中节点相似性是一个很重要的问题，与此问题类似的还有相似性的度量指标问题，只有能 够快速准确的评估相似性定义，才能够很好的刻画一个给定网络节点间的关系，才能进一步研究网络特征对相似性选择的影响。 这个方面，链路预测可以起到很重要的作用，通过构造网络系统，并利用最大似然估计方法进行链路预测也是很重要的研究方向。 链路预测不仅具有如上所述的理论价值，在高新科技应用方面它还有更重要的意义。 比如生物网络中，蛋白质相互作用网络和新陈代谢网络，节点之间是否存在相互作用关系，这些是需要通过大量实验来验证的。 这类实验是需要耗费高额成本的，如果能够事先通过科学方法进行验证，就会减少不必要的实验成本。 除此之外，链路预测算法还可以用于分析演化网络，比如对在线社交网络的预测，“猜你喜欢”“你可能想要关注”等，如果预测结果准确，毫无疑问会增加网站粘性和用户忠诚度。 链路预测的思想和方法还有更广泛的应用，比如预测网络中的错误链接，分析网络重组和结构优化问题，甚至在构建生物网络实验中都有可能应用链路预测的原理。 论文研究主要内容和论文组织安排 本文主要介绍了基于链路预测的个性化推荐技术的算法和实现过程，给出了利用Python 和 Mysql 平台具体的实现方案，并且进行了 Aprior 算法在个性化推荐方面的实验，最终在 WEB 端下成功实现基于关联规则的商品推荐服务，而该功能主要是利用 Django 编写的。 主要功能模块和实现如图 所示： 图 系统功能模块分析 本文一共由五章组成： 第一章为绪论 ,主要讲述了基于链路预测的个性化推荐技术的背景、基于链路预测的个性化推荐技术的研究的意义和价值，并根据当前个性化链路预测的发展状况，分类讲。