• 网站首页
  • 毕业资讯
  • ASP.NET论文
  • JSP论文
  • ASP论文
  • PHP论文
  • VC++论文
  • 留言反馈
  • 联系我们
  • 当前位置:首页 » JSP » jsp » 基于nodejs的新闻系统毕设定做
    基于nodejs的新闻系统毕设定做
    • 作者:未知 更新时间:2019-8-28 10:33:21 来源:5Q毕业设计网 【字号: 】 本条信息浏览人次共有
    2.1研究内容及功能 
    (1)用户注册和登录 
    买家用户和卖家用户均能注册,首先选择注册的是买家还是卖家,买家用户和卖家用户注册时要填的基本信息是不同的。注册之后下次打开网站时,可以用已注册过的账户登陆。 
    (2)基于买家用户收藏商品的推荐 
    每个用户有一个网络收藏夹,用户可以收藏自己喜欢的商品,当下次再想找这件商品时,只要登陆,去自己的收藏夹查看即可。用户每收藏一次商品,会弹出一个窗口,显示收藏了这件商品的用户还收藏了什么。这时会根据用户搜藏的商品,去数据库中查找还有哪些用户搜藏了这件商品,然后把其它用户搜藏而目标用户没有搜藏的商品显示出来。 
    这里产生推荐时,首先在数据库中查找还有哪些用户收藏了该商品,然后从这些用户收藏的商品中查找目标用户没有收藏的商品有哪些,把收藏次数最多的N个商品推荐给用户。用户可根据自己的喜好选择是否浏览这个商品,如果用户想了解推荐的某个商品,就点击这个商品的链接,会链接到这个商品的详细信息的网页;如果对推荐的商品不感兴趣,就可以关掉这个推荐页,继续搜索自己喜欢的商品。 
    (3)买家用户购买商品 
    买家用户在浏览了商品之后,可以购买该商品。点击购买之后会生成订单,系统会将交易信息存入数据库,供用户查看。 
    (4)买家用户评价商品
    买家可以对他们购买的商品进行评分。当他们收到货物时,他们会给货物打分。评分分为五个等级:如很喜欢5,喜欢4,一般3,差2,非常差1。当用户选择分数并点击提交时,分数将存储在数据库中,即基于分数的个性化推荐。
    (5)为买家提供个性化产品推荐
    用户可以注册为网站成员并登录。对于新用户,系统将推荐热销产品。对于有经验的用户,系统将使用基于用户的协作过滤推荐算法来推荐可能感兴趣的产品。
    由于基于用户的协同过滤推荐算法在整个空间内搜索用户,计算出目标用户和每个用户的相似性,大大降低了系统的响应效率,即响应时间问题,因此我将重点实现协同过滤推荐算法。hm基于用户评级数。基于用户评价次数的协同过滤推荐算法是对基于用户的协同过滤推荐算法的改进。解决了稀疏性问题引起的整个用户空间的相似性计算问题。它可以提高响应效率,缩短响应时间。
    首先,当用户信息存储在数据库中时,会为用户分配一个字段,该字段记录用户的评估时间。根据得分矩阵的直觉和余弦相似度,我们知道,如果用户在矩阵中没有高估的项的值设置为零,则具有相同评估项数的用户之间的相似度将很高。因此,我们只需要在目标用户的评价时间附近找到他们最近的邻居,这可以大大降低噪声。在不影响系统推荐效果的情况下,应该是耗时的。这样,每次用户评估商品时,都会更新评估数量。此外,我们还规定每个用户只能对每个商品进行一次评估。这样,只要在一定的用户范围内从数据库中找到相应的评价号的字段值,并计算出它们与目标用户的相似性,就可以找到目标用户的最近邻居。
    2.2.可能遇到的问题。
    评分矩阵的建立是比较困难的一步,也是十分关键的一步,因为用户之间的相似性需要用到这个矩阵。
    3.本课题拟采用的研究手段(途径)
    3.1.研究目标 
    采用基于用户的协同过推荐算法,建立相应的电子商务个性化推荐原型系统,为用户提供个性化商品推荐。
    3.2. 研究手段
        文献查找、参考国内外成熟案例比如淘宝、京东等。
    3.3.拟采用的项目架构
    系统结构:采用最流行的基于互联网的B/S架构。
  • 上一篇: 基于区块链的毕设定做,代做
  • 下一篇: 没有下一篇文章
  • 【免责声明:本站所发表的文章,大部分来源于各相关媒体或者网络,内容仅供参阅,与本站立场无关。如有不符合事实,或影响到您利益的文章,请及时告知,本站立即删除。谢谢监督。】
  •