(完整版)基于知识库的礼品推荐系统的设计与实现毕业论文
基于大数据的商品推荐系统的设计与开发
基于大数据的商品推荐系统的设计与开发随着科技的不断发展和互联网的普及，电子商务行业逐渐成为了人们购物的首选。
在这个行业内，一个好的商品推荐系统可以对商家和消费者都有很大的帮助。
在传统的商品推荐系统中，更新速度不够快，推荐效果不够准确。
而基于大数据的商品推荐系统，可以有效地解决这些问题。
本文将探讨基于大数据的商品推荐系统的设计与开发。
一、用户行为数据的收集和处理基于大数据的商品推荐系统首先需要收集用户行为数据。
这些数据包括用户的点击、浏览、购买、评价等行为数据。
这些数据需要进行处理和分析，以便发掘用户的行为模式。
比如，某些用户喜欢看哪种类型的商品，喜欢购买哪些品牌的商品等等。
同时，这些数据还可以用来对商品进行标签化。
标签化的过程会对原有数据进行加工、处理和判断，并对商品进行分类。
通过这种方式，系统能够更加精准地识别用户的需求，并准确的推荐商品。
二、商品数据的分析与处理除了用户行为数据，基于大数据的商品推荐系统还需要分析商品数据。
客观的数据可以为系统推荐商品提供更加准确的参考。
这部分数据包括商品的属性、价格、评价等。
同时，为了形成系统所需的标签化商品数据，这些数据还需要进行分析和处理。
这个过程可能需要将商品信息中的一部分特征在算法中进行提高，以形成更加准确的商品标签。
三、基于机器学习的推荐算法基于大数据的商品推荐系统最核心的部分就是采用机器学习算法来推荐商品。
目前，基于大数据的推荐系统采用最广泛的是协同过滤算法和深度学习算法。
协同过滤算法虽然使用广泛，但需要在线更新推荐模型，因此其算法复杂度较高。
而深度学习算法主要是通过神经网络的方式进行推荐，具有更强的自适应能力。
基于神经网络的深度学习模型是目前最常用的推荐算法。
同时，知名的电子商务平台和搜索引擎有很多关于基于推荐的技术文献可供参考学习。
四、推荐系统的部署与应用在推荐算法运行了一段时间后，需要进行数据的评估和相应的调整，才能够指导后续的推荐工作。
这个过程需要定期评估推荐算法和数据质量，比如训练数据的过拟合程度等。
毕业设计(论文)-网上购物系统的设计与实现——后台管理系统模板
网上购物系统的设计与实现——后台管理系统摘要伴随着Internet的蓬勃发展，网络购物中心作为电子商务的一种形式正以其高效、低成本的优势，逐步成为新兴的经营模式和理念，人们已经不再满足用途信息的浏览和发布，而是渴望着能够充分享受网络所带来的更加多的便利。
网络购物正适应了当今社会快节奏地生活，使顾客足不出户便可以方便快捷轻松地选购自己喜欢的商品。
本系统便是尝试用JSP在网络上架构一个动态的电子商务网站，它是在Windows XP下，以mySQl为数据库开发平台，Tomcat网络信息服务作为应用服务器，采用JSP(Java Server Pages)技术开发的网上购物系统。
他分前台部分和后台部分，前台部分由用户使用，主要包括用户注册，购物车管理，订单管理，个人资料管理等功能；后台部分由管理员使用，主要包括商品管理，处理订单，用户信息管理等功能。
建立后的网站系统是一个动态、交互式、具有商品提供、系统管理、用户管理等功能的电子商务网站。
关键字：JSP;MySQL;Tomcat;网上购物系统Online Shopping System Design and Implementation-—— Background Management SystemAbstractAlong with the vigorous development of the Internet, e-commerce networks as a shopping center is a form of its highly efficient, low-cost advantages, gradually emerging as a business model and philosophy, there is no longer meet use and dissemination of information browsing, but a desire to bring the full enjoyment network more convenient. Internet shopping is being adapted to the fast pace of today's society to live, so that customers can enjoy the convenience of fast and easy way to purchase their own like commodities.The system is trying to use JSP in a dynamic network of e-commerce websites structure, which is in Windows XP, SQL Server 2000 for database development in platform, Tomcat application server as a network information services, use JSP (Java Server Pages) technology development online shopping system. Prospects and the background of some of his hours, the prospects of users, including users registered, a shopping cart management, order management, personal information management,; Background in part by managers, including commodity management, processing orders, customer information management, information management.After the establishment of the website is a dynamic, interactive, with commodities, systems management, voice mail, and other functions of the e-commerce website users.Keywords：JSP; MySQL;Tomcat;Online shopping system目录一、绪论 (1)(一) 系统设计的背景 (1)(二) 系统设计的意义 (1)二、技术介绍 (1)(一) JSP的技术原理 (1)2.1.1 JSP语言及其特点 (1)2.1.2 Java概述 (3)2.1.3 JavaBean简介 (3)(二) 相关服务器 (3)2.2.1JDK的安装和配置 (3)2.2.2 Tomcat安装及配置 (4)2.2.3 MySQL简介 (4)三、系统规划 (5)(一) 网站的设计目标 (5)(二) 任务 (5)(三) 网站的可行性分析 (5)四、系统分析 (6)(一) 需求分析 (6)(二) 业务流程图 (7)(三) 数据流程图 (7)(四) 数据字典 (8)五、系统设计 (10)(一) 系统总体功能 (10)5.1.1系统功能介绍 (11)5.1.2系统功能模块设计图 (11)(二) 代码设计 (13)(三) 数据库设计 (13)5.3.1系统E-R图 (14)5.3.2数据库表设计 (16)(四) 输入输出设计 (17)5.4.1后台管理员登陆 (18)5.4.2增加商品 (18)六、系统实现 (19)(一) 系统软件环境 (19)(二) 系统硬件环境 (20)(三) 功能实现 (20)6.3.1管理员登陆界面 (20)6.3.2增加商品 (22)6.3.3修改商品 (23)6.3.4删除商品 (25)6.3.5订单处理 (26)七、系统测试与维护 (27)(一) 系统的测试 (27)(二) 系统测试用例 (28)7.2.1登陆验证 (28)7.2.2订单处理 (28)7.2.3修改商品信息 (29)7.2.4删除商品 (31)(三) 系统的维护 (32)八、总结 (33)参考文献 (34)一、绪论(一)系统设计的背景计算机软件技术的日新月异推动了社会信息化的进程，这也使得开发人员不得不学习新的技术以适应这种局面。
《基于JAVA的商品推荐系统的开发研究》范文
《基于JAVA的商品推荐系统的开发研究》篇一一、引言随着互联网技术的快速发展，电子商务逐渐成为人们购物的主要方式之一。
为了满足用户多样化的购物需求，商品推荐系统应运而生。
本文将介绍基于JAVA的商品推荐系统的开发研究，包括系统设计、关键技术、实现方法以及实验结果等方面的内容。
二、系统设计2.1 系统架构本系统采用典型的B/S架构，分为表示层、业务逻辑层和数据访问层。
表示层负责与用户进行交互，业务逻辑层负责处理业务逻辑，数据访问层负责与数据库进行交互。
系统采用JAVA语言进行开发，使用MVC设计模式，实现业务逻辑与表示层的分离。
2.2 数据库设计数据库是商品推荐系统的核心，本系统采用关系型数据库进行存储。
数据库设计包括商品信息表、用户信息表、推荐结果表等。
商品信息表用于存储商品的基本信息，用户信息表用于存储用户的基本信息，推荐结果表用于存储系统为用户推荐的商品。
三、关键技术3.1 推荐算法推荐算法是商品推荐系统的核心，本系统采用协同过滤算法进行推荐。
协同过滤算法包括基于用户的协同过滤和基于物品的协同过滤。
基于用户的协同过滤是根据用户的历史行为数据，找到与其兴趣相似的其他用户，然后推荐这些用户喜欢的商品。
基于物品的协同过滤是根据商品的历史数据，找到与某商品相似的其他商品，然后推荐给对该商品感兴趣的用户。
3.2 数据挖掘技术数据挖掘技术是用于从海量数据中提取有价值信息的技术。
在商品推荐系统中，数据挖掘技术可以用于分析用户的行为数据、购买记录等，从而发现用户的兴趣偏好，为推荐算法提供更准确的依据。
本系统采用关联规则挖掘、聚类分析等技术进行数据挖掘。
四、实现方法4.1 系统开发环境本系统采用JAVA语言进行开发，使用Eclipse作为开发环境，数据库采用MySQL。
开发过程中，需要安装相应的JAVA开发包和数据库驱动。
4.2 系统实现步骤（1）搭建开发环境，配置JAVA开发环境和数据库；（2）设计数据库表结构，创建相应的数据表；（3）编写业务逻辑代码，实现推荐算法和数据挖掘功能；（4）编写表示层代码，与用户进行交互；（5）进行系统测试和调试，确保系统的正常运行；（6）部署系统，对外提供服务。
基于推荐系统的物品推荐算法研究与实现
基于推荐系统的物品推荐算法研究与实现随着互联网的发展，我们的生活越来越离不开它，而推荐系统则成为了互联网中不可或缺的一部分。
推荐系统能够根据用户的历史行为和兴趣，针对其进行个性化推荐，为用户节省时间和提供更好的服务。
作为推荐系统的核心，物品推荐算法的研究和实现显得尤为重要。
一、物品推荐算法介绍物品推荐算法是指通过用户的历史行为数据，比如购买、浏览等，对物品进行评分或打标签，再根据不同的算法模型，推荐用户可能感兴趣的物品。
目前较为常见的物品推荐算法包括基于内容的推荐算法、协同过滤推荐算法、混合推荐算法等。
基于内容的推荐算法是指通过对物品自身的特征进行分析，比如商品的名称、类别、关键字等，来推荐和用户历史兴趣相似的物品。
这种算法的优点是可以减轻冷启动问题，但是需要收集大量的物品特征数据，并且无法考虑用户之间的相似性。
协同过滤推荐算法是指通过挖掘用户历史行为数据，找到用户之间的相似性，然后将相似用户喜欢的物品推荐给目标用户。
这种算法需要大量的用户历史行为数据，并且容易受到热门物品的影响，但是可以考虑用户之间的相似性。
混合推荐算法则是将多种推荐算法结合起来使用，在保留各自优点的同时，弥补各自的缺点。
这种算法可以提高推荐的准确性，并且可以根据不同的场景进行灵活选择。
二、物品推荐算法实现在实现物品推荐算法之前，需要先搜集用户和物品的历史行为数据，并进行数据预处理和特征工程。
然后，可以根据不同的算法进行建模和训练。
在基于内容的推荐算法中，需要从商品的标题、描述等信息中提取关键字和特征，然后根据物品之间的相似度进行推荐。
在协同过滤推荐算法中，需要建立用户-物品矩阵，计算用户之间的相似度和物品之间的相似度，然后根据相似度进行推荐。
在混合推荐算法中，则需要将多种算法的结果进行加权或融合，得到最终的推荐结果。
为了提高物品推荐算法的效率和准确性，通常还需要采用一些优化技术，比如增量学习、矩阵分解等。
增量学习可以在新增用户或物品时，快速进行更新和优化，矩阵分解则可以通过对大型矩阵进行分解，减小模型的复杂度和计算量。
《基于JAVA的商品推荐系统的开发研究》范文
《基于JAVA的商品推荐系统的开发研究》篇一一、引言随着互联网技术的飞速发展，电子商务平台日益繁荣，商品推荐系统作为提升用户体验和销售业绩的重要工具，受到了广泛关注。
本文旨在研究基于JAVA的商品推荐系统的开发，包括系统架构设计、关键技术实现以及性能优化等方面，以期为相关开发工作提供有益的参考。
二、系统架构设计1. 系统需求分析商品推荐系统的主要功能是为用户提供个性化的商品推荐服务。
在系统需求分析阶段，需要明确系统的功能需求、性能需求以及安全性需求等。
具体包括用户管理、商品管理、推荐算法实现、推荐结果展示等模块。
2. 系统架构设计基于JAVA的商品推荐系统采用分层架构设计，包括数据访问层、业务逻辑层和表示层。
数据访问层负责与数据库进行交互，实现数据的增删改查等操作；业务逻辑层负责处理业务规则和算法实现；表示层负责与用户进行交互，展示推荐结果和其他相关信息。
三、关键技术实现1. 推荐算法研究商品推荐系统的核心是推荐算法。
本文研究了多种推荐算法，包括协同过滤、内容推荐、深度学习等，并针对商品推荐场景进行了优化和改进。
其中，协同过滤算法通过分析用户行为和商品属性，发现用户和商品之间的潜在联系，从而实现个性化推荐。
2. JAVA编程实现系统采用JAVA语言进行开发，利用JAVA的面向对象特性，将系统划分为多个模块和组件，实现松耦合和高内聚。
在开发过程中，需要掌握JAVA的基础语法、面向对象编程、多线程编程、网络编程等核心技术。
3. 数据库设计与优化系统采用关系型数据库进行数据存储，需要设计合理的数据库表结构和索引，以提高数据的存取效率。
同时，需要采用数据库优化技术，如读写分离、缓存技术等，降低数据库压力，提高系统性能。
四、性能优化与测试1. 性能优化为了提高系统的响应速度和吞吐量，需要对系统进行性能优化。
具体包括代码优化、数据库优化、缓存技术、负载均衡等技术手段。
在优化过程中，需要不断进行性能测试和调优，以达到最佳的性能表现。
《基于JAVA的商品推荐系统的开发研究》范文
《基于JAVA的商品推荐系统的开发研究》篇一一、引言随着互联网的飞速发展，电子商务已经成为人们购物的主要方式之一。
为了提高用户体验和销售效率，商品推荐系统在电子商务平台中扮演着越来越重要的角色。
本文将探讨基于JAVA的商品推荐系统的开发研究，包括系统架构设计、关键技术、算法实现以及应用前景等方面。
二、系统架构设计1. 系统概述基于JAVA的商品推荐系统采用分布式架构，主要分为数据层、业务逻辑层和用户交互层。
数据层负责存储用户行为数据、商品信息等数据；业务逻辑层负责处理数据、推荐算法实现等；用户交互层则负责与用户进行交互，展示推荐结果。
2. 架构设计特点(1) 可扩展性：系统采用微服务架构，各模块之间解耦，方便后续扩展和维护。
(2) 高效性：系统采用分布式存储和计算，提高数据处理速度和推荐准确性。
(3) 安全性：系统采用加密技术和权限控制，保障数据安全和用户隐私。
三、关键技术1. JAVA语言及框架JAVA作为一种面向对象的编程语言，具有跨平台、安全性高、多线程等特点，是开发商品推荐系统的理想选择。
同时，采用Spring Boot等JAVA框架，可以简化开发过程，提高开发效率。
2. 数据库技术系统采用关系型数据库和非关系型数据库相结合的方式存储数据。
关系型数据库用于存储结构化数据，如用户信息、商品信息等；非关系型数据库用于存储用户行为等非结构化数据，提高数据处理效率。
3. 推荐算法推荐算法是商品推荐系统的核心。
常用的推荐算法包括协同过滤、内容推荐、深度学习等。
系统可根据实际需求选择合适的算法或结合多种算法进行混合推荐。
四、算法实现1. 协同过滤算法协同过滤算法是一种基于用户行为的推荐算法，通过分析用户的历史行为和偏好，为用户推荐相似的商品。
系统可采用基于用户的协同过滤和基于商品的协同过滤两种方式实现。
2. 内容推荐算法内容推荐算法主要是根据商品的内容信息，如标题、描述、标签等，为用户推荐相似的商品。
基于内容的电子图书推荐系统_B10040101毕设论文
南京邮电大学毕业设计（论文）题目基于内容的电子图书推荐系统专业计算机科学与技术学生姓名王欣源班级学号B********指导教师许棣华指导单位计算机学院、软件学院日期：2014 年03月10 日至2014 年06 月10 日毕业设计（论文）原创性声明本人郑重声明：所提交的毕业设计（论文），是本人在导师指导下，独立进行研究工作所取得的成果。
除文中已注明引用的内容外，本毕业设计（论文）不包含任何其他个人或集体已经发表或撰写过的作品成果。
对本研究做出过重要贡献的个人和集体，均已在文中以明确方式标明并表示了谢意。
论文作者签名：日期：年月日摘要随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代步入了信息过载的时代。
面对信息过载，推荐系统应运而生。
本文是实现基于内容的电子图书推荐系统，帮助人们快速找到自己需要的图书。
本文首先阐述了推荐系统产生的背景，并分析比较了几种推荐系统算法，重点阐述了基于内容的推荐算法的优缺点。
然后对本系统的功能进行了模块划分，分为管理员实现的功能模块、用户实现功能模块和系统向用户推荐图书模块。
推荐图书模块采用基于内容的推荐算法，它使用关键词代表图书的内容特征向量，根据用户对图书的操作行为计算出用户的配置文件，并通过采用Jaccard算法计算出与用户配置文件相似性较大的图书推荐给用户。
最后通过采用Myeclipse8.5开发平台和MySql数据库，编码实现了本系统。
关键词：基于内容；信息过载；推荐系统；电子商务；电子图书推荐ABSTRACTWith the development of information technology and the Internet, people gradually fall from a lack of information era into the era of information overload. Facing the problem of information overload, recommender system came into being.We realized a contents-based electronic book recommender system,helping people quickly find the book that they need.Firstly,the background of the recommender system is described in this paper .Meanwhile we analysis several recommendation algorithms and focus on the advantages and the disadvantages of the content-based recommendation algorithm in this paper.Then according to the functions , this system is divided into three parts,such as the user’s function module, the administrator’s function module and the recommendation module. Content-based recommendation algorithm is adopted in the recommendation module, which uses the key words to represent the feature vector of the books content, and form the user’s profiles based on the users operate behavior on books. The similarity between the books and the user’s profile is calculated by Jaccard algorithm. After that,the most similar books are recommender to the user. Finally, this system is implemented on the platform of Myeclipse8.5.Key words：content-based；information overload；recommender system；electronic business；e-book recommendation目录第一章绪论.......................................................................................... - 1 -1.1课题产生的背景及意义 ................................................................................ - 1 -1.2推荐系统研究现状 ........................................................................................ - 1 -1.3推荐系统研究内容及论文组织结构 ............................................................ - 3 - 第二章相关理论技术及工具.............................................................. - 5 -2.1推荐系统算法及比较 .................................................................................... - 5 -2.2基于内容的推荐算法 .................................................................................... - 7 -2.3实现使用的环境工具及技术 ...................................................................... - 10 -2.4本章小结 ....................................................................................................... - 11 - 第三章系统设计................................................................................ - 12 -3.1系统概述 ...................................................................................................... - 12 -3.1.1系统目标设计 .................................................................................... - 12 -3.1.2系统设计思想 .................................................................................... - 12 -3.1.3系统总体设计图 ................................................................................ - 13 -3.2需求分析 ...................................................................................................... - 13 -3.2.1系统总体功能图 ................................................................................ - 13 -3.2.2用例图 ................................................................................................ - 14 -3.3数据库设计 .................................................................................................. - 15 -3.3.1数据库需求分析 ................................................................................ - 15 -3.3.2数据库逻辑设计 ................................................................................ - 15 -3.3.3 E-R图................................................................................................. - 16 -3.4本章小结 ...................................................................................................... - 18 - 第四章详细设计.................................................................................. - 19 -4.1数据库和JA V A Web的连接 ....................................................................... - 19 -4.2实现登录功能 .............................................................................................. - 20 -4.3管理员实现对电子图书的编辑 .................................................................. - 22 -4.4管理员实现对用户信息操作 ...................................................................... - 25 -4.5用户实现查询图书 ...................................................................................... - 26 -4.6用户对图书的操作 ...................................................................................... - 27 -4.7系统对用户推荐图书 .................................................................................. - 28 -4.8本章小结 ...................................................................................................... - 32 - 第五章总结和展望............................................................................ - 33 -5.1系统的测试 .................................................................................................. - 33 -5.1.1测试目的 ............................................................................................ - 33 -5.1.2测试方法 ............................................................................................ - 33 -5.1.3 测试实例 ........................................................................................... - 33 -5.2对系统改进的思考 ...................................................................................... - 40 -结束语.................................................................................................... - 42 - 致谢.................................................................................................... - 43 - 参考文献................................................................................................ - 44 -第一章绪论1.1课题产生的背景及意义一．课题产生的背景近年来，随着信息技术和网络的快速发展与崛起，互联网已逐渐成为人们搜集和提供信息的常用渠道，并逐步渗透到各个领域包括传统的流通领域。
基于知识库的礼品推荐系统的设计与实现
硕士研究生学位论文题目：基于知识库的礼品推荐系统的设计与实现学号：085707姓名：路卫杰专业：计算机科学与技术导师：孟祥武学院：计算机学院年月日独创性（或创新性）声明本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。
尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京邮电大学或其他教育机构的学位或证书而使用过的材料。
与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。
申请学位论文与资料若有不实之处，本人承担一切相关责任。
本人签名：日期：关于论文使用授权的说明学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。
学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。
（保密的学位论文在解密后遵守此规定）非保密论文注释：本学位论文不属于保密范围，适用本授权书。
本人签名：日期：导师签名：日期：基于知识库推理的礼品推荐系统的设计与实现摘要当今，个性化推荐系统已经在很多领域得到了应用，如网络商品推荐、音乐推荐、影视推荐等。
推荐技术包括协同过滤、内容过滤、知识发现等，但是这些推荐技术并没有考虑推荐领域的知识对推荐结果的影响，或者推荐结果没有通过与用户的交互过程中得到完善和改进。
鉴于以上问题，本文针对礼品推荐领域提出了基于知识库的推荐方法。
首先在调研了礼品信息和礼品赠送知识后构建礼品知识库，然后礼品专家通过人工方式对礼品知识库进行初始化，最后系统根据礼品的基本信息计算出礼品综合相似度对礼品知识库进一步完善。
本文采用AJAX等技术设计并实现具有良好用户体验的知识库推荐用户接口，采用全文检索引擎工具包Lucene对礼品信息构建索引并根据用户的日志设计个性化的礼品搜索功能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
硕士研究生学位论文题目：基于知识库的礼品推荐系统的设计与实现学号：085707姓名：路卫杰专业：计算机科学与技术导师：孟祥武学院：计算机学院年月日独创性（或创新性）声明本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。
尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京邮电大学或其他教育机构的学位或证书而使用过的材料。
与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。
申请学位论文与资料若有不实之处，本人承担一切相关责任。
本人签名：日期：关于论文使用授权的说明学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。
学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。
（保密的学位论文在解密后遵守此规定）非保密论文注释：本学位论文不属于保密范围，适用本授权书。
本人签名：日期：导师签名：日期：基于知识库推理的礼品推荐系统的设计与实现摘要当今，个性化推荐系统已经在很多领域得到了应用，如网络商品推荐、音乐推荐、影视推荐等。
推荐技术包括协同过滤、内容过滤、知识发现等，但是这些推荐技术并没有考虑推荐领域的知识对推荐结果的影响，或者推荐结果没有通过与用户的交互过程中得到完善和改进。
鉴于以上问题，本文针对礼品推荐领域提出了基于知识库的推荐方法。
首先在调研了礼品信息和礼品赠送知识后构建礼品知识库，然后礼品专家通过人工方式对礼品知识库进行初始化，最后系统根据礼品的基本信息计算出礼品综合相似度对礼品知识库进一步完善。
本文采用AJAX等技术设计并实现具有良好用户体验的知识库推荐用户接口，采用全文检索引擎工具包Lucene对礼品信息构建索引并根据用户的日志设计个性化的礼品搜索功能。
本文第一章介绍了推荐系统的研究背景和国内外的研究现状以及本文的研究路线方法和研究内容。
第二章介绍了主要的推荐算法和本系统所涉及的关键技术。
第三章描述了系统的需求分析，包括任务概述、需求规定以及运行环境的规定。
第四章阐述了系统设计，包括系统整体功能设计和系统整体架构设计。
第五章详细描述了系统实现中的关键问题和解决方案。
第六章对系统进行功能测试和性能测试。
第七章是工作总结和进一步的展望。
关键词：礼品推荐知识库相似度个性化搜索Knowledge-based Gifts Recommendation System Design andImplementationABSTRACTPersonalized recommendation system widely used in many fields, such as network products recommendation, music recommendation, movie recommendation, etc. Recommendation techniques include collaborative filtering, content filtering, knowledge discovery, etc. However, these recommendations do not consider the influences that the knowledges in recommended areas to the results, or the recommended results isn't perfected or improved through the process of interaction with users.In view of the above problems, this paper proposed a recommendation method based on knowledge base for gift recommendation. First, knowledge base for gift is built after a series of researches, then initialized by gift specialists manually, and finally ajusted according to similarity which is calculated on the basic information of gifts. AJAX technique is introduced to achieve the user interface in order to supply good user experience，and Lucene, the full-text search engine toolkit is also used to construct index for the gifts information and design personalized search function in accordance with the user's log.In Chapter 1, the background of recommendation system, thesignificance of the study, and the methods and contents of the study is introduced. In Chapter 2, we describe the main algorithms and key technologies that involved. Requirements analysis, includes overview of the work, the demand of requirement and environment is described in Chapter 3. The main content in Chapter 4 is the system design, which is divided into two parts, the function part and the construction part. Chapter 5 is the detailed description of the key problems and solutions in the process of system construction. In Chapter 6, functional testing and performance testing of the system is operated. The last Chapter is a summary of our work and further prospects.KEY WORDS:gifts recommendation, knowledge base,similarity, personalized,search目录第一章绪论1.1 研究背景随着互联网和电子商务的迅速发展，人类己步入网络信息时代。
随着信息技术特别是网络技术的发展，信息系统的规模越来越大，数量越来越多，信息获取的工具和方法越来丰富，在更方便的为用户提供越来越多信息和服务的同时，其结构和内容越来越复杂，在海量信息中，用户及时、准确地获得所需要的信息也更加困难[1]。
海量信息的同时呈现，一方面使用户很难从中发现自己感兴趣的部分，另一方面也使得大量少人问津的信息成为网络中的“暗信息”，无法被一般用户获取[2]。
面对网络信息量呈指数增长，如何从这浩瀚的海洋中取得所需要的、真正有用的信息，已成为广大网络用户共同面临的问题。
首先，由于很难准确描述出需要的信息的特征，用户常常会面对大量的信息而束手无策，迷失在大量的信息空间中；其次，信息系统单纯依靠提供的检索方式，往往不能满足用户描述检索条件的需求，找不到描述信息需求的方式。
另外，用户每次获取信息，都要输入大量、烦琐的检索条件，而信息系统不能通过服务历史和服务过程掌握用户需求，信息系统不能产生对用户持久的吸引力。
在这种背景下个性化智能推荐服务（Personalized Recommender Services）应运而生并迅速发展起来，它通过与用户交互过程中获取的信息推测用户的兴趣偏好，并根据用户的兴趣偏好推荐符合用户兴趣偏好的信息。
个性化智能推荐服务不仅可以帮助用户找到所需信息，而且通过个性化智能推荐服务，可以有效保留用户，提高信息系统的吸引力和用户的忠诚度[3]。
1.2 研究现状1.2.1 国外研究现状在推荐用户模型方面，常用的用户建模技术有向量空间模型[4]、用户评价矩阵[5]，以及机器学习技术[6]。
在推荐算法方面，协同过滤是应用最广泛的个性化推荐技术。
协同过滤首先计算用户之间的相似度，然后将相似度最高的用户作为最近邻居，最后通过最近邻居用户产生推荐结果。
Kuo R J, Liao J L和Tu C提出了一个利用神经网络和遗传K-means 算法通过分析用户在电子商务网站的浏览路径来获取用户偏好的方法。
各种挖掘技术如关联规则挖掘、聚类挖掘等被应用于Web 日志的分析中，以提高推荐系统的精度[7]。
Amazon推荐系统是由Gery Linden，Brent Smith和Jeremy York主导开发的集研究与应用于一体的推荐系统，采用项目-项目协同过滤算法，根据用户己购买和己评分项目寻找相似项目，将相似度高的项目列入到推荐列表中。
通过比较相似项目表与每个用户已购买和己评分的项目，系统整合比较结果将关联度最高和最畅销的项目推荐给用户。
根据用户己购买和己评分项目寻找相似项目的计算较快，它只依赖于用户已购买和已评分的项目数量，采用在线方式进行。
因此，即使是面对大规模数据集也有较快的运行速度[8]。
由于基于项目协同过滤推荐算法高度的关联性，推荐质量也比较高[9]。
MovieLens是由美国明尼苏达大学计算机科学与工程系开发的研究型自动协同过滤推荐系统，用于推荐电影。
MovieLens 是一个基于Web 的推荐，系统通过浏览器方式进行用户评分数据收集与推荐结果显示，用户使用更方便。
用户对网站提供的电影进行评分，用户可在not seen和0.5-5.0共11个选项中进行选择，网站根据每个用户的评分计算并分析用户的偏好，并据此向用户进行电影推荐。