畢業(yè)設(shè)計(jì)題目 基于安卓的購物推薦系統(tǒng) 摘 要如今，隨著互聯(lián)網(wǎng)和電子商務(wù)的快速發(fā)展，電子購物憑借其快速便捷的特點(diǎn)，成為現(xiàn)代人們最重要的購物方式，市場中產(chǎn)品也變得越來越豐富然而，產(chǎn)品數(shù)據(jù)的急劇膨脹造成的“信息過載”使得消費(fèi)者很容易會迷失在大量的產(chǎn)品信息中因此推薦系統(tǒng)的誕生為消費(fèi)者帶來極大的幫助，個(gè)性化推薦系統(tǒng)通過分析用戶行為數(shù)據(jù)，向用戶推薦其可能會感興趣的商品，提升用戶的使用體驗(yàn)本文設(shè)計(jì)并實(shí)現(xiàn)了基于安卓的購物推薦系統(tǒng)，主要實(shí)現(xiàn)了一個(gè)具有推薦功能的網(wǎng)上購物APP的開發(fā)，推薦模塊采用了基于用戶的協(xié)同過濾推薦算法使用Java語言在Android Studio和Eclipse兩個(gè)平臺進(jìn)行開發(fā)，數(shù)據(jù)庫選擇了MySQL，數(shù)據(jù)通過HTTP網(wǎng)絡(luò)傳輸協(xié)議來進(jìn)行實(shí)時(shí)數(shù)據(jù)通信，并采用JSON封裝技術(shù)進(jìn)行數(shù)據(jù)交互本論文首先簡要闡述了推薦系統(tǒng)的相關(guān)背景及國內(nèi)外發(fā)展現(xiàn)狀，然后介紹了本文系統(tǒng)所涉及的相關(guān)技術(shù)，接著對該系統(tǒng)進(jìn)行了詳細(xì)的需求分析和系統(tǒng)設(shè)計(jì)，最后展示系統(tǒng)實(shí)現(xiàn)效果和關(guān)鍵代碼，總結(jié)論文所做主要工作關(guān)鍵詞：安卓系統(tǒng)；推薦系統(tǒng)；協(xié)同過濾算法；電子商務(wù)AbstractNowadays, with the rapid development of the Internet and e-commerce, electronic shopping has become the most important shopping method for modern people due to its fast and convenient characteristics, and the products in the market have become more and more abundant. However, the "information overload" caused by the rapid expansion of product data makes it easy for consumers to get lost in a large amount of product information. Therefore, the birth of the recommendation system has brought great help to consumers. The personalized recommendation system analyzes user behavior data, recommends products that may be of interest to users, and enhances user experience.This article designs and implements an Android-based shopping recommendation system, which mainly implements the development of an online shopping APP with recommendation function. The recommendation module uses a user-based collaborative filtering recommendation algorithm. The Java language is used for development on Android Studio and Eclipse platforms, the database is MySQL, the data is communicated in real time through the HTTP network transmission protocol, and the JSON encapsulation technology is used for data interaction.This thesis first briefly describes the relevant background of the recommender system and the current status of development at home and abroad, and then introduces the related technologies involved in the system of this article, and then carries out a detailed demand analysis and system design for the system, and finally shows the system implementation effect and key codes , Summarize the main work done in the paper.Keywords: Android system; Recommendation system; Collaborative filtering algorithm; E-commerce目 錄摘 要 IABSTRACT II目 錄 III第1章 引 言 11.1 課題的背景與意義 11.2 國內(nèi)外研究現(xiàn)狀 11.2.1 國外研究現(xiàn)狀 11.2.2 國內(nèi)研究現(xiàn)狀 21.2.3 推薦系統(tǒng)在電子商務(wù)中的應(yīng)用 31.3 本文的主要內(nèi)容 41.4 本文的結(jié)構(gòu)安排 4第2章 相關(guān)技術(shù)介紹 52.1 Android系統(tǒng)開發(fā)介紹 52.1.1 Android系統(tǒng)架構(gòu) 52.1.2 Android應(yīng)用基本組件 72.2 網(wǎng)絡(luò)通信協(xié)議 82.3 數(shù)據(jù)的傳輸與解析 82.4 基于用戶的協(xié)同過濾推薦算法 92.4.1 發(fā)現(xiàn)興趣相似用戶 92.4.2 推薦物品 10第3章 系統(tǒng)需求分析 123.1功能需求 123.2 非功能性需求 143.2.1 界面需求 143.2.2 安全性 143.2.3 可維護(hù)性 153.2.4 推薦的實(shí)時(shí)性 153.3 可行性分析 15第4章 程序的設(shè)計(jì)與實(shí)現(xiàn) 164.1 系統(tǒng)設(shè)計(jì)總體概述 164.1.1 系統(tǒng)結(jié)構(gòu)設(shè)計(jì) 164.1.2 服務(wù)器設(shè)計(jì) 174.2 功能模塊設(shè)計(jì) 174. 2.1 客戶端功能設(shè)計(jì) 184. 2. 2 后臺系統(tǒng)功能設(shè)計(jì) 194.3 數(shù)據(jù)庫設(shè)計(jì) 194.3.1 數(shù)據(jù)庫E-R圖 194.3.2 數(shù)據(jù)庫表 20第5章 實(shí)現(xiàn)效果及關(guān)鍵代碼 235.1 前臺客戶端實(shí)現(xiàn) 235.1.1 用戶注冊 235.1.2 用戶登錄 235.1.3 商品列表 245.1.4 商品搜索、分類 245.1.5 商品詳情 255.1.6 個(gè)人中心 265.1.7 我的購物車 265.1.8 我的訂單 275.1.9 個(gè)人信息 295.1.10 個(gè)性化推薦 295.2 后臺系統(tǒng)實(shí)現(xiàn) 345.2.1 商品管理模塊 345.2.2 用戶管理模塊 345.2.3 訂單管理模塊 35第6章 總 結(jié) 366.1 總結(jié) 366.2 展望 36致 謝 37參考文獻(xiàn) 382第1章 引 言1.1 課題的背景與意義如今，隨著互聯(lián)網(wǎng)和電子商務(wù)的快速發(fā)展，電子購物憑借其快速便捷的特點(diǎn)，成為現(xiàn)代人們最重要的購物方式，隨著用戶群體和數(shù)量的不斷擴(kuò)大，網(wǎng)絡(luò)市場中的產(chǎn)品也變得越來越豐富。

在如今的日常生活中，網(wǎng)上購物已經(jīng)與我們息息相關(guān)，各種網(wǎng)上購物軟件逐漸地成為了人們購物消費(fèi)中不可或缺的必需品然而，隨著大量電商平臺進(jìn)入人們的生活，給人們的衣食住行帶來便捷的同時(shí)，大量產(chǎn)品數(shù)據(jù)的急劇膨脹，造成了“信息過載”的問題，消費(fèi)者時(shí)常因?yàn)槊鎸Υ罅繑?shù)據(jù)而感到難以選擇，無法成功找到需要的產(chǎn)品，搜索理想產(chǎn)品變得十分困難，消費(fèi)者的消費(fèi)體驗(yàn)變差所以如何幫助用戶和消費(fèi)者們從紛繁復(fù)雜的商品中尋找到用戶真正需要的商品，推薦系統(tǒng)的產(chǎn)生和高效利用也變得十分重要在越來越激烈的角逐情況下，電商平臺根據(jù)消費(fèi)者的個(gè)人興趣和消費(fèi)行為過濾信息，然后將消費(fèi)者可能喜好的商品推薦給消費(fèi)者，利用推薦系統(tǒng)相關(guān)的技術(shù)可以更加高效地服務(wù)用戶，提高用戶體驗(yàn)，避免失去目標(biāo)人群，同時(shí)也可以電商公司的競爭力在如今這個(gè)網(wǎng)絡(luò)信息量爆炸的互聯(lián)網(wǎng)時(shí)代中，任何用戶都無法瀏覽一個(gè)電商網(wǎng)站中所有的內(nèi)容，甚至能夠受到較多關(guān)注的只有網(wǎng)站首頁中的小部分信息，而其余剩下的大部分信息都只能受到很少部分的人的關(guān)注，這必然不可避免地會造成網(wǎng)站中信息資源的浪費(fèi)而推薦系統(tǒng)可以更有效地幫助解決這個(gè)問題，推薦系統(tǒng)能夠幫助不同類型的用戶找到他們需要的商品數(shù)據(jù)信息，而后在推薦模塊對用戶實(shí)現(xiàn)個(gè)性化推薦，以滿足具有不同需求的用戶。

1.2 國內(nèi)外研究現(xiàn)狀1.2.1 國外研究現(xiàn)狀在國外，個(gè)性化推薦系統(tǒng)和協(xié)同過濾算法被廣泛使用，特別是在電子商務(wù)領(lǐng)域，它們具有非常好的和有希望的應(yīng)用市場根據(jù)2007年研究調(diào)查的結(jié)果，絕大多數(shù)消費(fèi)者都喜歡在可以實(shí)現(xiàn)個(gè)性化推薦的電子商務(wù)網(wǎng)站上購物在調(diào)查中，過去六個(gè)月內(nèi)消費(fèi)超過1000美元的消費(fèi)者中，超過60％的消費(fèi)者已使用網(wǎng)站提供的個(gè)性化推薦系統(tǒng)并接受了推薦服務(wù)調(diào)查報(bào)告還顯示，有40％的消費(fèi)者擔(dān)心推薦符合其興趣和需求的個(gè)性化推薦個(gè)性化推薦系統(tǒng)方面發(fā)展良好的國外應(yīng)用程序包括Altered Vista，Amazon和其他應(yīng)用程序以Amazon這個(gè)網(wǎng)上書店購物網(wǎng)站為例，Amazon雖然只會在網(wǎng)上進(jìn)行銷售，但由于他高效、經(jīng)典的推薦功能，十分受人喜愛它不僅僅會為用戶提供高質(zhì)量、高效率的綜合數(shù)據(jù)庫和檢索系統(tǒng)外，還會針對每個(gè)用戶提供個(gè)性化推薦服務(wù)Amazon不僅將為用戶提供一個(gè)完整的高質(zhì)量、高效率的數(shù)據(jù)庫和搜索系統(tǒng)，還將為每個(gè)用戶提供個(gè)性化的推薦服務(wù)，Amazon的個(gè)性化推薦服務(wù)不僅廣泛應(yīng)用于其電子郵件中，也廣泛應(yīng)用于其網(wǎng)頁中例如，它將根據(jù)分析結(jié)果向軟件工程師顯示編程元素，并向醫(yī)生推薦書籍和醫(yī)學(xué)文章用戶可以在“你的推薦”頁面瀏覽推薦表單，并且在這個(gè)推薦頁面中，用戶可以進(jìn)行很多操作，比如在網(wǎng)頁上對被推薦的商品進(jìn)行評分的操作，也可評價(jià)自己已經(jīng)有過購買消費(fèi)行為的商品，甚至還能看到此推薦模塊向自己推薦這些商品的原因。

Amazon根據(jù)用戶消費(fèi)行為的特點(diǎn)以及用戶已有的購物信息，為每個(gè)不同特點(diǎn)的消費(fèi)者都能夠提供合適并且個(gè)性化的建議，然后用戶的信息和對于此推薦建議的意見將被再次保存，這樣用戶下次可以接收到更加符合個(gè)人要求的推薦信息Amazon的推薦功能更多使用的是基于項(xiàng)目的協(xié)同過濾推薦算法，并且隨著Amazon的成功，在各大電子商務(wù)網(wǎng)站開始流行起基于項(xiàng)目的協(xié)同過濾算法1.2.2 國內(nèi)研究現(xiàn)狀在推薦系統(tǒng)的發(fā)展進(jìn)程來看，國內(nèi)的研究與國外發(fā)展相比起步較晚，研究的內(nèi)容和應(yīng)用方面也比較欠缺首先，由于國內(nèi)研究推薦系統(tǒng)的內(nèi)容主要來源于國外已有的研究理念和成果，國內(nèi)的研究比較缺乏創(chuàng)新二是由于國內(nèi)的推薦系統(tǒng)的推薦算法在根據(jù)用戶興趣特征或消費(fèi)行為、需求等維度做出高效適合的推薦，從而導(dǎo)致大部分推薦系統(tǒng)的個(gè)性化程度無法達(dá)到理想結(jié)果三是國內(nèi)推薦系統(tǒng)的推薦功能靈活度不高，在國內(nèi)大多數(shù)個(gè)性化推薦系統(tǒng)中，獲取用戶特征、興趣等信息的方式往往是通過用戶初始的注冊信息，而且大部分都有明確的規(guī)定然而，很少有研究是基于用戶在使用過程中的興趣特征，缺乏這種動態(tài)過程的研究往往使得系統(tǒng)很難捕捉到用戶興趣的動態(tài)變化，會使得推薦功能靈活度降低，系統(tǒng)也無法實(shí)時(shí)充分了解用戶興趣。

當(dāng)然，雖然國內(nèi)的理論研究內(nèi)容更多的是來源于國外的研究理論和研究成果，但是隨著我國互聯(lián)網(wǎng)和國家經(jīng)濟(jì)。