基于神经网络算法的用户网上购物行为预测系统-开题报告

《基于神经网络算法的用户网上购物行为预测系统-开题报告》由会员分享，可在线阅读，更多相关《基于神经网络算法的用户网上购物行为预测系统-开题报告（8页珍藏版）》请在毕设资料网上搜索。

1、 毕业论文毕业论文开题报告开题报告 （2018 届大学本科）届大学本科） 论文题目论文题目: : 基于神经网络算法的用户网上购物行为预测系统基于神经网络算法的用户网上购物行为预测系统 一、一、 引言引言 1.1 课题背景 推荐系统是信息过滤系统的一个子类， 它的主要功能是预测用户对于某一项目的 “评分” 或“偏爱” ，并给予不同用户不同的建议和推荐。例如，预测用户对于产品、音乐和新闻的 偏爱，并给予用户符合条件的产品、音乐和新闻的推荐。近些年来，推荐系统越来越普遍地 被运用于各种应用中。 总的来说， 最流行的应用要数在电影、 音乐、 新闻、 书籍、 研究文章、 搜索查询、社会性标签和产品等领域

2、。然而，也有对专家、笑话、餐厅，金融服务，人身保 险，社交（网恋） ，和社交媒介粉丝的推荐系统1。 随着信息时代的来临， 电子商务行业蓬勃发展， 成千上万条毫无规律的电子商务信息展 现在用户眼前， 如何在这些近似乎爆炸式增长的商品信息面前， 精准地预测到用户喜爱和满 意的商品， 不仅对于用户来说节约了大量的时间和精力， 对于电子商务开发者和电子商务商 家来说也是定位客户群、 商品广告推广和组合促销手段的一大助力。 为了能精准的定位顾客 的需求，达到自动化程度高、方便快捷、准确有效的推荐功能，从而辅助未来自动购买技术 的发展，有必要对推荐系统的相关数据分析模块和算法模块进行详细的比较研究2。 1

3、.2 课题意义 （1）挖掘用户隐性需求：当今，在用户信息收集上主要依赖显式方法，自动获取隐式 信息方面做得不够好， 可以考虑开发交互式的用户界面设计， 考虑不同经验和背景的用户的 信息因素，同时加强数据挖掘技术在推荐系统中的应用，挖掘用户的隐性需求。 （2）建立用户推荐系统信任体系：由于推荐系统可能存在的泄露用户信息、用户信息 被滥用、恶意推荐以及推荐结果不准确等因素，许多用户对推荐系统存在着不信任，因此需 要在今后的研究中多关注用户和推荐系统的关系，建立用户对推荐系统的信任体系。 （3）自主购物的实现：对于用户来说，推荐系统可以帮助他们更加便捷、迅速地找到 适合他们的商品，从而辅助他们的购买

4、决策。然而，在未来的发展中，推荐系统除了要给用 户推荐商品以外，还应该成为自主购物的一个模块，当然这需要推荐系统达到一个成熟、精 准的发展水平，从而支持电子商务实现自主购物的功能。 （4）加强实体店的应用：现在的推荐系统多应用于电子商务领域，也就是俗称的网上 购物。在未来的发展中，也要开发实体店铺的应用功能，搜集客户网上网下的购物信息，为 顾客推荐适合的当季商品， 同时利用无线网和 GPRS 定位系统， 还可以向路过店门口的顾客， 实时发送商品推荐信息。 1.3 课题目的 搜集用户网上商店购物数据，建立数据库，导入 Excel 表格，利用 MA TLAB 软件，运 用神经网络预测方法，对网络购物进行一个趋向性分析，得到一系列趋向性图像。通过图像 显示顾客未来的网上购物情况的预测，同时，通过不断训练算法，使其变得更加高效准确， 从而可以辅助未来自主购物系统的构建。 1.4 国内外发展现状 推荐系统（RS）是信息系统（IS）研究中一个相对较新的课题，包括在线零售、互联网 广告、移动设备应用程序、社交网络等各大涉及个人的交易和沟通的领域。 虽然早在 1987 年（1987 年萨