毕业论文-- 基于微信公众平台的个性化推荐系统.docx
《毕业论文-- 基于微信公众平台的个性化推荐系统.docx》由会员分享,可在线阅读,更多相关《毕业论文-- 基于微信公众平台的个性化推荐系统.docx(56页珍藏版)》请在冰点文库上搜索。
本科毕业论文
毕 业 论 文(设 计)
论文(设计)题目:
基于微信公众平台的个性化推荐系统
姓 名
学 号
学 院山东大学软件学院
专 业 数字媒体
年 级
指导教师
2016年6月5日
目 录
摘 要 1
ABSTRACT 2
第1章绪论 3
1
1.1基于微信公众平台的个性化推荐系统开发背景 3
1.2国内外研究现状 3
1.3解决的主要问题 4
1.4本文的主要工作 4
1.5论文的组织结构 5
第2章基于微信公众平台的个性化推荐系统 6
2.1基于微信公众平台的个性化推荐系统概述 6
2.1.1个性化推荐系统的基本概念 6
2.1.2基于微信公众平台的个性化推荐系统说明 6
2.1.3基于微信公众平台的个性化推荐系统项目概述 7
2.2主要的个性化推荐技术 8
2.2.1基于内容的推荐算法 8
2.2.2基于关联规则的推荐算法 9
2.2.3协同过滤算法 9
2.3基于微信公众平台的个性化推荐系统的目标 12
第3章基于微信公众平台的个性化推荐系统架构设计 13
3.1基于微信公众平台的个性化推荐系统的设计原则 13
3.2基于微信公众平台的个性化推荐技术架构设计 13
3.2.1基于微信公众平台的个性化推荐系统架构 13
3.2.2基于微信公众平台的个性化推荐系统平台规划 15
3.3基于微信公众平台的个性化推荐系统功能架构 16
3.3.1基于微信公众平台的个性化推荐系统功能组成 16
3.3.2基于微信公众平台的个性化推荐系统页面流程 17
第4章基于微信公众平台的个性化推荐系统详细设计 18
1
4.1基于微信公众平台的个性化推荐系统的整体结构 18
4.2基于微信公众平台的个性化推荐系统模块设计 18
4.2.1前端展示模块详细设计 19
4.2.2后台管理模块详细设计 19
4.2.3数据库模块详细设计 20
4.2.4个性化推荐系统详细设计 21
第5章基于微信公众平台的个性化推荐系统实现与测试 25
5.1基于微信公众平台的个性化推荐系统总体实现 25
5.2主要代码框架和页面截图展示 25
5.3出现的问题及解决措施 35
第6章结论 37
致谢 38
参考文献 39
附录1英文原文 41
附录2译文 47
2
基于微信公众平台的个性化推荐系统
摘 要
近年来,随着移动互联网时代的到来,微信商城因其无需再下载多余的手机应用,并且拥有庞大的微信用户数及传播速度快等优势,受到了众多企业、商家的青睐。
本文在现有的微信电子商务系统上,设计和实现了一个针对微信商城的个性化推荐系统,改善用户的购物体验,同时也有助于企业打响知名度。
首先,本文在讨论基于微信公众平台的个性化推荐系统的项目背景和对其开发设计所面对问题的基础上,对系统进行一个概述,说明所采用的相关技术及所面临的问题。
之后进行个性化推荐系统架构设计。
利用热销榜来解决冷启动问题,为刚注册的没有购买行为的用户推荐商城的热销商品;对于又购买行为的老用户则利用协同过滤算法和基于内容的推荐算法,为他们推荐与他们有相近喜好的用户所购买过的东西及与他们购买过的物品相类似的物品,解决信息过载的问题,为用户提供个性化的推荐清单。
最后,本文对基于微信公众平台的个性化推荐系统的应用情况作了简单介绍,并对系统进一步改进提出了建议。
关键词:
微信商城;个性化推荐;热销榜;冷启动;协同过滤算法;基于内容的推荐算法
1
ABSTRACT
Inrecentyears,withtheadventoftheeraofmobileInternet,WeChatmallhasgottenmuchfavorofmanyenterprisesandbusinesses,becauseofthefactthattherearehundredsofmillionsofpeoplewhouseWeChatandpeopledon’tneedtodownloadextramobileapplication.ThispaperwillshowapersonalizedrecommendationsystemforWeChatmall,whichwillimprovetheusers’shoppingexperience,andhelpenterprisestoestablishreputationatthesametime.
Firstly,thispaperintroducesthedevelopmentbackgroundofthepersonalizedrecommendationsystembasedonWeChatmallandtheproblemofitsdevelopmentandgivesanoverviewofthesystemtoshowtherelatedtechnologyadoptedandtheproblemsfacing.
Then,designthearchitectureofpersonalizedrecommendationsystem.Usethehotlisttosolvetheproblemofcoldstart,itwillhelpnewuserswhodonothavepurchasingbehaviorbyshowingthemthehottestgoods;fortheregulars,itwillrecommendthingsthatareboughtbypeoplewhohavesimilarpreferenceswiththemorthingsthataresimilarwithgoodstheyboughtbefore,byusingcollaborativefilteringalgorithmandcontent-basedrecommendations,tosolvetheproblemofinformationoverloadandprovideuserswithpersonalizedrecommendationlist.
Finally,thispaperintroducesthesimplyapplicationofthepersonalizedrecommendationsystem,andproposesanadviceforfurtherimprovement.
Keyword:
WeChatmall;personalizedrecommendationsystem;thehotlist;coldstart;collaborativefilteringalgorithm;content-basedrecommendations
2
第1章绪论
1.1基于微信公众平台的个性化推荐系统开发背景
随着电子商务的普及,越来越多的人选择网上购物这种方便快捷的方式。
而微信也不单单只是一个充满创新功能的手机应用,它已成为中国电子革命的代表,覆盖了90%以上的智能手机,并成为人们生活中不可或缺的日常使用工具【1】。
因此,微信商城越发凸显出它的优势。
但是,当前微信商城与一些成熟的商城,如亚马逊、淘宝之间仍存在不小的差距,比如缺少个性化推荐系统,不能根据用户的兴趣特点和购买行为来为用户推荐他们感兴趣的产品。
信息过载让很多用户无所适从,迷失在纷繁复杂的商品之中。
本文将通过在现有的微信商城中嵌入个性化推荐系统,对传统业务进行流程再造,更好地利用微信这个平台为用户提供服务。
1.2国内外研究现状
谷文栋,个性化推荐社区Resys China的发起人曾说过:
“个性化推荐技术是最具人文关怀的技术之一,它尊重个体,相信每个人都是与众不同的,在这个以‘人’为中心的社会化时代,它的兴起与发扬光大只是时间问题。
”
电子商务的个性化推荐之所以能快速蔓延,是因为它有两大推动力,即商业界对长尾金矿的商业动力,用户强烈的个性化需求,和一个基础性条件,即人工智能领域技术的日益成熟。
目前最有名的案例便是亚马逊公司的成功,它根据用户已经购买和已经评分的商品来寻找相似商品并推荐给用户,同时也支持根据用户的Facebook好友喜欢的相似产品来进行推荐,这使得网上购物与社交网络紧密联系到一起。
而国内的淘宝网也通过猜你喜欢、看了还买等为用户进行个性化的推荐,向用户推荐适合的商品、店铺等,以提高网站的交叉销售能力。
当当网则采取基于内容的推荐、协同过滤等方法,通过对顾客历史数据的分析,在购物前、购物中及购物后这三个环节中根据不同顾客的购物习惯向他们推荐针对其个人的商品。
3
可以说个性化推荐在电子商务中已经被运用得风生水起,但是在微信商城中,这一技术使用得较少,并没有得到普及。
因此本文致力于在已有的微信商城上嵌入个性化推荐系统,以帮助用户快速找到心仪的产品,提高用户的忠诚度,提高成交转化率。
1.3解决的主要问题
个性化推荐系统是建立在现有的微信商城电子商务系统之上的,该系统通过一系列算法对用户数据进行分析,为新用户推荐热门商品,发现与当前用户口味和偏好相似的“邻居”用户群,然后基于这些用户的历史偏好信息,最终提供给当前用户个性化的推荐清单。
如何根据用户和商家的需求,设计出简洁高效的推荐系统是本文要解决的主要问题。
有研究表明,新用户更倾向于选择特别流行的商品。
因此针对系统的冷启动问题,使用热销榜向用户推荐热销的商品能在一定程度上解决这个问题。
在网站设计方面,参考一般购物网站的网络架构和逻辑架构,设计出适合于在手机浏览的网站,将给用户推荐的结果很好地嵌入网站中,并且满足网站系统的可维护性,灵活性和可扩展性。
在系统实现方面,在实现前文设计基础上,主要解决冷启动问题,用户行为的挖掘和个性化推荐算法。
本文使用tomcat,mysql和java进行网站开发。
1.4本文的主要工作
本文模拟在现有的微信商城的基础上嵌入个性化推荐系统,通过对用户和商家的实际需求进行分析,并结合现有的算法研究,设计和实现了基于微信公众平台的个性化推荐系统。
论文首先介绍了个性化推荐系统的研究背景,并介绍了该算法的研究现状。
阐述了解决的主要问题,并描述了论文的主要工作。
接着,论文通过进行简述个性化推荐系统的相关知识,介绍了几种主要的个性化推荐算法,并说明该个性化推荐系统所要达到的目标。
然后通过设计网站的整体框架,介绍了个性化推荐算法的实现过程。
使用
JAVA编程语言,利用数据库实现用户及商品信息的存储,通过使用热销榜、协
4
同过滤算法和基于内容的推荐算法,解决冷启动问题,实现对用户的个性化推荐。
最后,对所设计的嵌入个性化推荐系统的微信商城进行测试。
通过利用不同的测试指标,得到不同的实验结果。
通过分析实验结果,以不断改进算法的程序,得到更健壮的程序。
1.5论文的组织结构
第一章绪论,主要描述基于微信公众平台的个性化推荐系统的开发背景、国内外的研究现状,本文解决的主要问题和进行的主要工作。
第二章阐述个性化推荐系统的基本概念,说明基于微信公众平台的个性化推荐系统基本情况,在此基础上介绍几种主要的个性化推荐算法,并说明该项目要实现的总体目标。
第三章基于微信公众平台的个性化推荐系统架构设计,分为技术架构和功能架构,主要阐明选择该架构的原因,以及这样设计的好处。
第四章基于微信公众平台的个性化推荐系统详细设计,分为整体结构和具体模块设计的描述,主要描述设计中的问题,设计的方法,包括设计模式,以及设计的结果。
第五章基于微信公众平台的个性化推荐系统实现与测试,通过主要模块代码展示和页面截图等形式,展现最后实现的效果。
第六章结论部分,主要介绍基于微信公众平台的个性化推荐系统实现的情况和效果,能进一步改进的地方等,为将来进一步的设计开发奠定基础。
5
第2章基于微信公众平台的个性化推荐系统
2.1基于微信公众平台的个性化推荐系统概述
2.1.1个性化推荐系统的基本概念
个性化推荐系统是一种自动联系用户和物品,从而帮助用户快速发现有用信息的工具。
它不需要用户提供明确的需求,而是通过分析用户的历史行为给用户的兴趣建模,根据其结果主动给用户推荐满足他们兴趣和需求的物品,以满足客户的个性化需求。
它能够在信息过载的环境中帮助用户发现令他们感兴趣的物品,也能将物品推送给对它们感兴趣的用户,实现用户和商家的双赢。
【2】
推荐系统通常利用好友、用户的历史兴趣记录以及用户的注册信息等方式来联系用户和物品,如图2-1所示:
物品
推荐系统
注册信息(性别,年龄等)
历史兴趣(浏览、购买记录等)
好友
用户
图2-1推荐系统常用的三种联系用户和物品的方式
2.1.2基于微信公众平台的个性化推荐系统说明
基于微信公众平台的个性化推荐系统是建立在模拟微信商城上的推荐系统,该系统实现对大量用户行为日志的提取和分析,从而实现对用户的分组,以得到针对不同用户的个性化推荐清单,给他们提供不同的个性化页面展示,来提高网站的点击率和转化率。
这个系统能帮助用户在商城中繁多的商品中找到他们可能感兴趣的东西,节约用户的时间,提高用户的忠诚度;同样的,这个系统也有助于商家改善业务状况,优化业务流程,提高经营效益。
该系统由前端
6
展示页面、后台的日志管理系统和推荐算法系统三部分组成,在前端进行商品的展示及个性化的商品推荐等,通过后台可视界面实现对商品的上新及对用户的管理,便于系统的后续扩展使用。
嵌入个性化推荐系统的微信商城更像一个有经验的网站导购员,建立起用户和商品之间的联系,给用户推荐他们可能感兴趣的商品,有助于提高成交转化率,为商家和用户双方提供效益和便利。
2.1.3基于微信公众平台的个性化推荐系统项目概述
基于微信公众平台的个性化推荐系统是为了便于用户快速、准确地找到他们感兴趣的商品,节省他们花在浏览商品的时间,同时也有助于增加商家的成交量。
通过网站前端展示给用户不同的类别的商品和针对不同用户推荐的商品,从而提高用户的使用体验,提高用户对商城的忠诚度。
下面简单介绍基于微信公众平台的个性化推荐系统的体系结构。
个性化推荐系统依托于微信商城,这意味着用户不需要再下载多余的手机应用程序,用户可以通过手机已安装的微信来进行购物,实现用户层、WEB服务器、应用服务器、数据库服务器的合理分布和群集技术,不仅方便快捷,而且不占用多余的手机内存。
基于微信公众平台的个性化推荐系统的整体架构如图2-2所示:
图2-2基于微信公众平台的个性化推荐系统的整体架构图
客户端主要页面有首页、产品分类、用户主页和购物车;WEB服务器提供
7
静态页面展示支持;应用服务器进行动态逻辑处理,将处理的信息数据传递给
Web服务器;数据库服务器完成数据逻辑,提供数据库的管理与维护。
2.2主要的个性化推荐技术
2.2.1基于内容的推荐算法
基于内容的推荐算法信息检索和信息过滤技术的延续与发展,它更多地采用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料,通过用户过去的浏览记录来向用户推荐用户没有接触过的推荐项,而不依赖于用户对物品的评价意见,因此,基于内容的推荐算法需要存储用户的历史数据,以便用户资料模型能够随着用户的偏好改变而发生变化【3】。
基于内容的推荐算法的基本原理如图2-3所示:
书籍A
商品A:
书籍
类别:
机器学习
商品B:
书籍
类别:
散文
商品C:
书籍
类别:
机器学习
推荐
喜欢
喜欢
喜欢
用户A
书籍B
相似
用户B
书籍C
用户C
图2-3基于内容的推荐算法的基本原理
基于内容的推荐算法的优点是:
(1)不需要用户的其他数据,能推荐新的或不是很流行的物品,没有冷启动问题和稀疏问题。
(2)能为具有特殊兴趣爱好的用户进行推荐。
(3)通过列出推荐物品的内容特征,可以对推荐结果做出解释。
8
(4)已有较为成熟的技术支持,如分类学习技术。
它存在的不足有:
(1)物品的属性有限,难以区分商品信息的品质,并且用户的兴趣爱好必须能够用内容特征形式来表达。
(2)物品相似度的衡量标准只考虑到了物品本身,不能显式地得到其他用户的判断情况,有一定的片面性。
(3)不能为用户发现新的感兴趣的产品。
2.2.2基于关联规则的推荐算法
基于关联规则的推荐算法是以关联规则为基础,把已购商品作为规则头,推荐对象作为规则体的一种算法【4】。
算法的第一步关联规则的发现最为关键且最耗时,但可以离线进行。
此外,商品名称的同义性问题也是关联规则的一个难点。
关联规则用来解决如下问题:
“如果一个用户购买了产品A,那么他有多大几率购买产品B”以及“如果他购买了产品C和D,那么他还将购买什么产品”,即计算用户在购买某些商品的同时去购买另外一些商品的概率。
它可以发现不
同商品在销售过程中的相关性,在零售业中已经得到了成功的应用,“啤酒与尿布”的故事便是有关于这一算法的杰出案例。
基于关联规则的推荐算法的优点是简单直接,能够发现新的兴趣点,并且不需要领域知识;缺点是规则抽取难、耗时,并且质量很难保证,不能动态更新,此外,随着规则数量的增多,系统将变得越来越难管理。
2.2.3协同过滤算法
协同过滤是在信息过滤和信息系统中迅速成长的一项很受欢迎的技术。
协同是群体行为,过滤则是针对个人的行为。
它通过分析用户兴趣,在用户群中找到目标用户的相似(兴趣)用户,综合这些相似用户对某一物品的评价,预测目标用户对此物品的喜好程度。
协同过滤算法主要分为两类:
基于用户的协同过滤算法和基于物品的协同过滤算法。
9
(1)基于用户的协同过滤算法:
古希腊有这样一句谚语:
“观其友,知其人。
”以相似用户为邻居进行推荐的协同过滤算法或多或少都是这句谚语的现实案例。
协同过滤的推荐引擎有两个步骤:
首先,计算用户之间的相似度,找到与目标用户兴趣相似的用户集合;然后,找到这个集合中的用户喜欢的,且目标用户没有听说过的物品推荐给目标用户。
【5】基于用户的协同过滤算
法的基本原理如图2-4所示:
相似
图2-4基于用户的协同过滤算法的基本原理
(2)基于物品的协同过滤算法:
它主要通过分析用户的行为记录计算物品之间的相似度,以此给用户推荐那些和他们之前喜欢的物品相类似的物品。
它的关键步骤仍然是计算项目之间的相似性并选出最相似的项目,这一点与基于用户的协同过滤类似。
基于物品的协同过滤算法主要有两步:
首先计算物品之间的相似度,接着根据物品的相似度和用户的历史行为给用户生成推荐列表。
基于物品的协同过滤算法的基本原理如图2-5所示:
10
商品A
商品B
喜欢
喜欢
喜欢 喜欢
喜欢
推荐
喜欢
相似
商品C
图2-5基于物品的协同过滤算法的基本原理
由此可以看出基于用户的协同过滤算法推荐的是用户所在分组中的热点,更注重社会化;而基于物品的协同过滤算法则是根据用户历史行为推荐相似物品,更注重个性化。
协同过滤算法的优点有以下几点:
(1)它不需要对物品或者用户进行严格的建模,而且不要求物品的描述是机器可理解的,所以这种方法也是领域无关的。
(2)推荐个性化、自动化程度高,并且随着时间的推移系统的性能会更好同时,它也有以下几点不足:
(1)方法的核心是基于历史数据,所以对新物品和新用户都有“冷启动”的问题,使得系统开始时推荐质量差,同时也存在稀疏性问题。
(2)推荐的质量依赖于用户历史偏好数据的数量和准确性。
(3)系统的可扩展性较差,随着用户和商品的增多,系统的性能会越来越差。
(4)存在长尾问题,无法实现对微小市场的推荐。
11
2.3基于微信公众平台的个性化推荐系统的目标
基于微信公众平台的个性化推荐系统的主要目标是在信息过载的时代,帮助微信商城的消费者迅速从大量商品中找到自己感兴趣的商品,也能够在消费者没有明确目的的时候帮助他们发现感兴趣的新内容;帮助商家让他们的商品脱颖而出,受到广大用户的关注。
美国《连线》杂志主编克里斯·安德森在2006年出版的《长尾理论》一书中指出:
商业和文化的未来不在于传统需求曲线上那个代表“畅销商品”的头部;而是那条代表“冷门商品”经常为人遗忘的长尾。
传统的市场曲线是符合
80/20铁律的,然而互联网的出现改变了这种局面,使得99%的商品都有机会进行销售。
尽管我们仍然对大热门着迷,但它们的经济力量已经今非昔比,市场曲线中那条长长的尾部也咸鱼翻身,成为我们寄予厚望的新的利润增长点。
【6】
本课题预期完成一个嵌入与现有微信商城中的个性化推荐系统,能够适用于大多数消费者和商家的需求,让每个用户都能拥有一个自己的在线商店,并且能在商店中找到自己感兴趣的商品。
技术关键为后台管理系统的动态存储和读取,推荐算法的设计以及前端展示效果的技术实现。
12
第3章基于微信公众平台的个性化推荐系统架构设计
3.1基于微信公众平台的个性化推荐系统的设计原则
在基于微信公众平台的个性化推荐系统的规划设计过程中,根据其目的及相关功能,将遵循以下原则进行规划设计:
网站设计的基本原则是内容和用户是第一位的,注重的是信息的展示及用户的使用体验,因此该网站在设计时专注于关注商家展示商品的需求,同时也兼顾消费者获取商品信息及个性化推荐清单的需求。
因此将主要页面确定分为三部分:
商品推荐、商品列表、我的账号及购物车,因为以个性化推荐为亮点所以将它首页,让用户一登入就能够看到推荐给自己的个性化商品。
同时保证每个部分页面的布局风格相对一致,没有较大的跳跃性,具有逻辑性,易于用户理解与使用。
3.2基于微信公众平台的个性化推荐系统技术架构设计
3.2.1基于微信公众平台的个性化推荐系统架构
改良后的微信商城除了原有的系统外还包含了推荐系统。
推荐系统和其他系统之间的