个性化推荐系统分析与设计.doc

《个性化推荐系统分析与设计.doc》由会员分享，可在线阅读，更多相关《个性化推荐系统分析与设计.doc（19页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、课 程 设 计 报 告课程名称 系统分析设计与开发方法 课题名称 个性化推荐系统的分析与设计 专 业 信息管理与信息系统 班 级 1002 学 号 5 姓 名 黄天玲 指导教师 唐志航 2014年 元 月 4 日一、设计内容与设计要求1设计内容：见附录2设计要求：1）设计正确，方案合理。2）界面友好，使用方便。3）建模语言精炼，结构清晰。4）设计报告4000字以上，含建模语言说明，用户使用说明，UML建模图。5）上机演示。二、进度安排第十七周 星期四下午： 课题讲解，查阅资料、系统分析星期五上午：总体设计、详细设计第十八周 星期一： 建模，上机调试、撰写课程设计报告星期二下午： 答辩附：课程设

2、计报告装订顺序：封面、任务书、目录、正文、评分、附件（A4大小的图纸及程序清单）。 正文的格式:一级标题用3号黑体,二级标题用四号宋体加粗,正文用小四号宋体;行距为22。设计课题：个性化推荐系统的分析与设计一、问题描述：对网络购物个性化推荐系统进行分析与设计，对购物流程进行分析，对购物中关键环节进行设计，实现对商品的录入、显示、修改、排序、保存、销售、售后服务以及客户管理等操作实现推荐结果准确性、推荐结果多样性、用户交互度、系统界面设计、系统交互设计、推荐透明度(推荐解释)。二、功能要求：1、用UML完成一个小型团购系统的分析、设计。 2、写出系统需求报告，说明系统的功能。 3、通过面向对象的

3、分析和设计建立系统模型。4、画出完整的用例图、类图、对象图、包图;及时序图、协作图、状态图、活动图；及组件图和配置图 ） 三、建模提示：1、使用Enterprise Architect 8.0建模。2、使用 Ration Rose 或StarUML建模。四、其它对该系统有兴趣的同学可以在实现上述基本功能后，完善系统的其它功能，特别是售后以及客户关系管理。目录目录11.概述21.1系统的背景分析21.2个性化推荐系统介绍22.个性化推荐系统的分析与设计系统的SWOT分析32.1. 优势与劣势分析32.2.机会与威胁分析43.系统的领域分析（四色建模法）53.1时标性对象（moment-inter

4、val）63.2人，地点， 物（party/place/thing）63.3角色（role）73.4描述对象（description）84.系统的主要模型图94.1用例图94.2类图（功能逻辑类）114.3时序图、协作图124.4状态图154.5.总体结构图165.总结166.参考文献177.评分表181. 概述1.1系统的背景分析 随着信息化水平的提高，网络己成为人们学习、工作和生活的重要组成部分。如何在浩瀚的知识海洋中找到所需信息，己经越来越引起人们的关注。 传统的网络服务没有考虑到用户差异，而以拓展信息范围，增加信息深度的方法为不同用户提供相同的信息空间。面对巨大的数据源，用户迫切需要一

5、种能够根据自身特点自动组织和调整信息的服务模式，这就为电子商务推荐智能系统的产生和发展提供了契机。 随着电子商务规模的逐渐扩大,网上商品的种类和数量也快速增长。商品不断丰富,顾客购物选择的余地大大扩展,但顾客往往需要花费大量的时间才能找到合适的商品。这种浏览大量无关信息和商品的过程无疑会给消费者带来极大的不便,从而可能造成客户流失。1.2个性化推荐系统介绍(1) 个性化推荐的定义： 随着电子商务规模的逐渐扩大，网上商品的种类和数量也快速增长。商品不断丰富，顾客购物选择的余地大大扩展，但顾客往往需要花费大量的时间才能找到合适的商品。这种浏览大量无关信息和商品的过程无疑会给消费者带来极大的不便，从

6、而可能造成客户流失。为了解决这些问题，个性化推荐系统应运而生。个性化推荐是根据用户的资料信息、兴趣爱好和以往购买行为，向用户推荐其可能感兴趣的信息和商品。 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过程提供完全个性化的决策支持和信息服务。 (2) 个性化推荐的作用：成功的个性化推荐系统，向用户推荐他们感兴趣的商品，从而促成交易，即将电子商务网站的浏览者转变为购买者；在用户购买过程中向用户推荐自己确实需要但在购买过程中没有想到的商品，有效提高电子商务系统的交叉销售；为用户提供个性化的推荐服务的同时，与用户建立长期稳定良好的关系，从而有效保留客户

7、，提高客户的忠诚度，防止客户流失。(3) 知名购物网站中个性化推荐应用：淘宝网站为例，在登录已买到的宝贝页面，除了可以查看到用户购物历史记录，还有推荐内容，如：“您可能对这些宝贝感兴趣”；购物车页面的推荐，如：“您可能感兴趣的宝贝”、“猜你喜欢的”。 当当网为例，网站商有个性化推荐模块网站上有专门栏目“猜你喜欢”，点击进入，再分为“您可能感兴趣的商品”“和您兴趣相似的顾客还关注”；在已购商品页面，有推荐“根据您购买的商品，当当猜您会喜欢”。 进入卓越亚马逊网站，提示用户“您好. 请登录以获取为您订制的推荐”。2.个性化推荐系统的分析与设计系统的SWOT分析2.1. 优势与劣势分析(1) 优势：

8、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。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。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

9、交叉销售。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。(2) 劣势：该方法的广泛应用受到了推荐对象特征提取能力的限制较为严重。因 为多媒体资源没有有效的特征提取方法，比如图像、视频、音乐等。既使文本资

10、源，其特征提取方法也只能反映资源的一部分内容，例如，难以提取网页内容的质量，这些特征可能影响到用户的满意度。很难出现新的推荐结果。推荐对象的内容特征和用户的兴趣偏好匹配才能获得推荐，用户将仅限于获得跟以前类似的推荐结果，很难为用户发现新的感兴趣的信息。存在新用户出现时的冷启动问题。当新用户出现时，系统较难获得该用户的兴趣偏好，就不能和推荐对象的内容特征进行匹配，该用户将较难获得满意的推荐结果。对推荐对象内容分类方法需要的数据量较大。目前，尽管分类方法很多，但构造分类器时需要的数据量巨大，给分类带来一定困难。不同语言的描述的用户模型和推荐对象模型无法兼容也是基于内容推荐系统面临的又一个大的问题。

11、2.2.机会与威胁分析(1) 机会: 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，知名购物网站麦包包、凡客诚品、库巴网、红孩子等都率先选择了本土最先进的百分点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。(2)

12、 威胁1商家千篇一律。竞争激烈网店的开办没有实体店的繁琐，只要会网上操作，扫描相关证件等待审核通过即可开始网店销售。正因为如论文联盟http:/Www.LWlm.cOm此简单的操作，使得网店铺天盖地的出现，并且网店所销售的商品大同小异。2. 网购监管制度不够健全。网络时代的网购依旧存在众多问题，网络监管的缺失使得网购存在隐患。网店数量众多，是否存在钓鱼网站或者坑骗消费者钱财的网站无法验证。随着网购普遍化，买家和卖家因为商品出现纷争也没有相应法律能够解决。国家虽然有少数法律法规涉及到网络监管内容，但是专门针对网上购物相关的法律法规少之又少。网购出现问题时，买家的消费者权益维护存在疑问，不知道该如

13、何维护自身的合法权益。 3、买家忠诚度难维持。 买家网购商品一般是在商品打折促销的时候，从中挑选自己认为是最符合自己设定价位的商家。对于购买的商品，如果到手后发现并不是自己理想中的商品模样，这样会使买家不再购买。事实上，网民的增加或者网购网站注册会员的数量增长也并不能说明买家的增多。如何维系买家的忠诚度是网购需要解决的问题，也是维系网购长盛不衰的重要因素。4.系统安全缺失。归因于系统的开放性，推荐系统易遭受到人为攻击。攻击者通过注入虚假用户概貌信息，试图改变系统的推荐结果以达到自己的企图。我们将这类攻击称之为用户概貌注入攻击（ProfileInjectionAttack）或托攻击（Shilli

14、ngAttack）从基本的随机攻击、平均攻击到复杂的流行攻击、分块攻击等。最近的研究表明大部分的流行协同过滤算法很容易被虚假用户概貌攻击所操纵，导致用户对系统满意度的下降。典型的，攻击者通过对虚假用户概貌中的目标项目赋予最大值或最小值来对推荐系统造成威胁。并且，注入的用户概貌与真实用户概貌相似度很高。根据攻击者的意图，我们将提升目标项目的攻击称为推攻击（PushAttack），而将打压目标项目的攻击称为核攻击（NukeAttack）。3.系统的领域分析（四色建模法）领域建模有很多种方法，对于同样的问题域使用不同的建模手段得到的模型可能也不尽相同。四色建模法(Color UML)是由Peter

15、Coad 发明的一种建模方法，将抽象出来的对象分成四种原型（archetype）。3.1时标性对象（moment-interval） 企业的业务系统主要的目的之一，就是记录经济往来的足迹，并将这些足迹形成一条有效的追溯链。这些足迹通常都具有一个特性，即它们都是时标性对象（moment-interval）。这种对象表示那些在某个时间点存在，或者会存在一段时间的，这样的对象往往表示了一次外界的请求，比如一次询价（Quotation），一次购买（Sale），这样的对象表示的都是系统的价值所在，所以也是最重要的一类对象，一般用粉红色来表示。这样的对象一般都有一个起始时间和终止时间，以及一个唯一的标识号

16、，用来唯一的标识这一次客户请求，比如PolicyNo. 发现这些时标性对象就是建模的起点。对于这些时标性对象稍加整理，我们就得到了整个领域模型的骨干：图3.1时标性对象（moment-interval）3.2人，地点， 物（party/place/thing） 在得到骨干之后，我们需要丰富这个模型，使它可以更好的描述业务概念。这时候，我们需要补充一些实体对象。通常实体对象有三类：人，地点， 物（party/place/thing）。这种对象往往表示的是一种客观存在的事物，例如：人，组织，产品，配件等等，这些事物往往会在一种moment-interval 中扮演某个Role, 比如某个人会在一次

17、购买中扮演Customer的角色，也可以在询价中扮演询价人的角色。这类对象第三重要，所以一般用绿色来表示。这类对象一般都有Name,Address等属性图3.2实体对象（人，地点， 物）3.3角色（role） 在这个基础上，我们可以进一步抽象这些实体事如果参与到各种不同的流程中去的，这时候，我们就需要用到角色（role）：这种对象表示的是一种角色，往往由人或者物来承担，会有相应的责任和权利，一般一个moment-interval对象会关联多个Role,比如说一次询价（Quotation）涉及到两个Role, 询价人（Quoter）和询价的产品（Product for Quotation）, 这

18、类对象是除moment-interval对象外最重要的一类对象，一般用黄色来表示。这类对象一般都有一些被moment-interval对象请求的操作，用来完成它们的职责。图3.3角色（role）3.4描述对象（description） 最后再把一些需要描述的信息放入描述对象（description）。这种对象一般是分类用或者描述性的对象，一般某个Thing,Place，Party会属于某个Description，主要用来表示一类事物，它的属性一般都是这一类事物都有的属性，这类对象一般用蓝色来表示。这类对象一般都有type,defaultValue等属性。图3.4描述对象（description

19、）我们就得了应用四色建模方法（color modeling）建立的一套领域模型。4.系统的主要模型图4.1用例图（1）个性化推荐系统UML用例图如4.1所示：图 4.1 个性化推荐系统UML用例图（2）绘制网站工作人员用例图，即卖家的用例图，如图 4.2 所示：图 4.2 网站工作人员用例图（3）绘制系统管理员用例图，即商城后台管理员的用例图，如图4.3 所示：图 4.3 管理员用例图4.2类图（功能逻辑类）类图技术是面向对象的方法的核心，它表示系统中类与类之间的交互。下图显示了网上购物整个系统的类图。个性化推荐系统物品UML类图如下所示：图 4.4 个性化推荐系统UML类图 4.3时序图、协

20、作图(1) 个性化推荐系统UML时序图如下所示：图 4.5 个性化推荐系统UML时序图 （2）用户注册本系统的用例工作流程，其序列图如图 4.6 所示：图 4.6 用户注册序列图(3) 个性化推荐系统UML协作图如下所示：图 4.7 个性化推荐系统UML协作图（4）用户登录用例的工作流程，其序列图如图 4.8 所示：图 4.8 用户登录序列图（5）用户查询商品用例的工作流程，其序列图如图 4.9 所示：图 4.9用户查询商品序列图（6）网站工作人员登录本系统用例的工作流程，其序列图如图 4.10 所示：图 4.10 网站工作人员登录序列图（7）网站工作人员将商品上架用例的工作流程，其序列图如图 4.11 所示：图 4.11 网站工作人员将商品上架序列图4.4状态图（1）个性化推荐系统UML状态图如下所示：图 4.12个性化推荐系统UML状态图（2） 顾客浏览商品协作图，如图所示：图4.13顾客浏览商品协作图4.5.总体结构图个性化推荐系统总体结构图如下所示：图 4.5 个性化推荐系统总体设计图