|
1.课题目标及要求
(1)课题目标
在今天的互联网上，用户每时每刻的行为都会产生大量的数据，据统计，每秒会产生上百万次的查询，千万次的浏览。规模较大的电商企业都会采集用户的行为数据(比如用户访问、用户画像、搜索行为)，但是这些企业都不知道采集用户的行为数据与商业数据（如销售额、订单转换）之间有什么联系，如何使这些纷繁复杂的数据产生价值。要想让这些数据真正成为一个公司的家当，及时从中发现实用的价值，那么通过数据分析技术对数据进行挖掘与分析则变得极其重要。
(2)课题要求
设计智能商务数据分析平台及推荐系统，本系统的设计重心主要置于数据的分析模块和数据的可视化模块。数据可视化模块通过HighChart图表对分析好的数据进行展现。实现对电商企业庞大数据的处理与分析，挖掘有商业价值的数据，并用前端可视化网站展现处理的数据，如3D饼状图，条形图，柱形图，梯形图等，这可以让企业很直观地获取到运营的重要信息。
2.主要内容及成果形式
(1)主要内容
本系统利用大数据技术，合理的为用户做出推荐，推荐算法是利用Hadoop技术写的，利用Hadoop集群的高吞吐量，一次读取多次写入等特点进行大数据处理，我们也可以通过JDBC编程直接把推荐结果写入到Mysql数据库，系统首页利用CSS/DIV 技术的结合，实现页面动感展示，利用JSP做的页面展示，各种优惠活动都在首页。
(2)成果形式
①智能商务推荐系统源码一套，②毕业设计论文一份。
3.进度安排
|
|
设计（论文）各阶段名称
|
起 止 日 期
|
|
1
|
查阅资料，撰写开题报告，完成开题答辩
|
2021年 12月 30日~2022年 1月 10日
|
|
2
|
智能商务平台的功能需求分析
|
2022年1月11日~2022年1月31日
|
|
3
|
系统架构和数据库以及表的完成与实现
|
2022年2月1日~2022年2月28日
|
|
4
|
web设计的整体设计
|
2022年3月1日~2022年3月31日
|
|
5
|
推荐算法设计及功能测试的修改
|
2022年4月1日~2022年4月30日
|
|
6
|
完成毕业论文的书写以及答辩工作
|
2022年5月1日~2022年6月11日
|
4.参考文件
[1] 张恒玮. 基于协同过滤技术的电子商务推荐系统的研究与实现[D]. 华北电力大学, 2012.
[2] 颜颖. 个性化推荐系统在电子商务中的应用研究[J]. 太原城市职业技术学院学报, 2019(11):35-37.
[3] 吴汉. 基于混合过滤的推荐算法研究及其应用[D]. 南京邮电大学, 2018.
[4] 董文远. 基于混合过滤的推荐系统开发研究[D]. 吉林大学, 2011.
[5] 孔德卫. 基于协同过滤混合推荐系统的研究与实现[D]. 西安电子科技大学, 2015.
[6] 沈鹏, 李涛. 混合协同过滤算法在推荐系统中的应用[J]. 计算机技术与发展, 2019,29(03):69-71.
[7] 张玉叶, 宿超. 基于Python的协同过滤算法的设计与实现[J]. 山东广播电视大学学报, 2019(02):82-85.
[8] 王敏. 基于协同过滤的电子商务个性化推荐系统设计和实现[D]. 广州大学, 2019.
[9] 石京京, 肖迎元, 郑文广. 改进的基于物品的协同过滤推荐算法[J]. 天津理工大学学报, 2019,35(01):32-36.
[10] 项阳,徐浩楠,赵显基.近十年协同过滤研究热点和前沿分析[J].产业创新研究,2020(06):86-87.
[11] Goldberg D, Nichols D A, Oki B M, et al. Using collaborative filtering to
Weave an information TAPESTRY[J]. Communications of the Acm, 1992,35(12):61-70.
|
