Apriori关联规则算法在电子商务推荐系统中的应用开题报告

1. 研究目的与意义（文献综述）

随着网络的不断发展，其高效敏捷的优点，使得人们从传统的购物方式逐渐转变为网上购物方式。基于数据挖掘的电子商务推荐系统能够更加有用地利用潜在信息进行用户数据收集与推荐结果显示，而不用用户提出自己主观的购买意向信息，因此让用户对电子商务系统的使用更加方便，可信度也比较高。能够向用户提供有效的商品推荐，更多的吸引和留住客户，有效提高电子商务企业的竞争力。数据挖掘的过程就是发现隐藏在各种尚未处理的原始数据集合中的各种相关关系，并从这些联系中提取信息得出结论的过程。而其中的关联规则是数据挖掘领域的一个重要分支。随着大量数据不停地收集和存储，通过关联规则可以发现交易数据库中不同的商品之间的联系，利用这些规则找出顾客的购买行为模式后进行针对性的推荐。该推荐系统依赖于数据挖掘技术中的apriori数据挖掘关联算法而实现,通过对网站消费者的购买记录等相关信息进行提取、整合、再进行挖掘分析，从而得出结果并向网站用户进行合理的推荐，主要通过以下几种途径对电子商务进行改善：将浏览者转变为购买者；增加交叉销售；建立忠诚度，以此促进电子商务销售量。

国内外研究现状：数据挖掘作为一门新兴的研究领域，涉及到机器学习、模式识别、统计学、数据库和人工智能等学科，收到了广泛的关注，有着广泛的应用前景，可以应用于商业管理、科学研究、智能决策、故障诊断等方面。而关联规则挖掘是数据挖掘任务中最重要的一种。目前国内对数据挖掘的研究相对国外起步较晚，但因其广泛的应用前景，但是发展却十分迅速，而推荐系统的理论和技术方面的研究也都已经取得了丰硕的成果。但不可否认的是，对关联格则的数据挖掘技术在中国的电子商务行业的研究和应用有待进一步地广泛和深入。而西方金融以及经济行业企业中利用挖掘技术尤其是关联规则已经被广泛利用，为电子商务企业提供了巨大的帮助。现在个性化服务逐渐从学术研究走向十几应用，成为也就的热点概念。众多公司、网站、电子商务网站都纷纷推出个性化系统，提供个性化服务。

2. 研究的基本内容与方案

基本内容：

(1)学习并掌握apriori算法的基本原理

(2)收集相关数据，并对收集的数据进行仿真实验。

3. 研究计划与安排

2016/1/23—2016/3/7：查阅参考文献，确定技术路线

2016/3/8—2016/4/26:需求分析阶段,算法，系统概要设计、分析实现

2016/4/27—2016/5/27：详细设计阶段，系统的具体实现及测试维护，撰写论文初稿；修改论文，并 提交论文评审

4. 参考文献（12篇以上）

【1】改进的apriori算法在电子商务推荐系统中的应用[j].黄颖.海军工程大学，2012

【2】基于apriori的电子商务网站适时推荐系统的研究与实现[d].张德宇.苏州大学,2008

【3】面向电子商务的web挖掘中关联算法的研究[d].顾红其.苏州大学，2009