您现在的位置: 公务员期刊网 >> 论文范文 >> 经济论文 >> 电子商务论文 >> 正文

农产品电子商务系统设计研究

摘要:为满足企业农产品营销需求,采用.NET、数据挖掘及混合推荐等技术,设计并实现农产品电子商务推荐系统。经测试,该系统实现了购物车、农产品浏览、农产品检索、农产品推荐、农产品管理、订单管理等多种功能,提高了企业农产品的销售量。

关键词:农产品电子商务推荐系统;数据挖掘技术;推荐技术

引言

随着网络及电子商务业的飞速发展,目前大多数农产品电子商务系统在给农产品需求用户提供越来越多选择的同时,也产生了“信息过载”的问题,这将导致用户无法顺利地找到自己所需要的商品。农产品电子商务推荐系统则可以从纷繁复杂的信息中找到农产品需求者感兴趣的商品并将其推荐给他们,帮助他们顺利地完成购买过程[1]。目前,虽然电子商务推荐系统在理论和实践上都得到了很大的发展,但是还存在很多不足之处。本文设计与开发的农产品电子商务推荐系统有效提高了用户的购买力和满意度,促进了农产品的销售量。

一、开发环境及相关技术分析

系统的开发环境为MicrosoftVisualStudio2013集成开发环境,采用ASP.NET技术开发,网站后台数据库采用SQLServer2012。在系统的设计与开发过程中综合运用了ASP.NET技术、数据挖掘和混合推荐技术等[2]。ASP.NET是Microsoft.NETFramework的一部分,是一种可以在高度分布的Internet环境中简化应用程序开发的环境。ASP.NET技术以其良好的结构及可用性、扩展性、可管理性、高性能的执行效率和良好的安全性等特点成为目前最流行的Web开发技术之一。SQLServer2012是一个功能齐全的数据库平台,不仅可以有效地执行大规模联机事务处理,而且可以完成数据仓库和电子商务应用等许多具有挑战性的工作。数据挖掘(datamining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中、而人们事先不知道、但又是潜在有用的信息和知识的过程。混合推荐技术,即在参考经典推荐算法的基础上进行分析改进,主体采用显隐结合的混合算法进行农产品的推荐。

二、系统设计

(一)系统功能结构设计

系统设计的目标是开发适合农产品销售企业需求的农产品电子商务推荐系统,该系统要能吸引用户的眼光,可操作性强,浏览速度快[3]。农产品电子商务推荐系统的主要功能模块,主要分为前台管理系统和后台管理系统,前台管理系统主要包含购物车、农产品浏览、农产品检索、农产品推荐及用户中心等,后台管理系统主要包括农产品管理、订单管理、农产品用户管理、管理员管理和系统管理等.

(二)关键模块设计

1.购物车模块。购物车的主要功能包括将商品添加到购物车、浏览购物车中的商品信息、浏览购物车中的商品信息、修改购物车中的商品数量、删除购物车中的商品以及清空购物车等。实现购物车的功能时要考虑两个关键点,一是解决区分用户与购物车的对应关系的问题,二是解决购物车中商品存放的问题。解决用户与购物车的对应关系的问题,既需保证每个用户都有自己的购物车,且购物车不能混用,同时必须保证用户退出时,其购物车也随之消失。针对这种特性,采用Session对象在用户登录期传递购物信息。而解决购物车中商品存放的问题即实现购物功能的问题,可以用哈希表来表示用户的购买情况[4]。以用户向购物车中添加农产品为例,应用哈希表和Ses-sion对象来实现购物车功能的过程如下:判断用户是否已经有了购物车,即通过哈希表判断Session[“Shop_Cart”]对象是否为空,若为空,写入哈希表,添加一个名字与数值的对应关系;若不为空则获取购物车,购物车中商品数量增加1。2.农产品推荐模块。农产品推荐模块分为在线实时推荐和离线数据挖掘两个部分,离线数据挖掘部分包括数据的采集、数据预处理和模式的挖掘[5]。通过周期性地采集电子商务服务器的日志文件,经过数据的预处理,得到半结构化的事务序列数据,然后运用数据挖掘技术进行模式的挖掘,将得到的有用模式存入模式库[4]。在线实时推荐部分主要是推荐引擎根据客户的当前会话,进行模式匹配,为客户提供即时的推荐.主要推荐算法主要采用显隐结合的混合协同过滤方法[6]。该算法的具体设计步骤如下:步骤一,采集主观评分数据,这个步骤主要通过网站客户的评分表来采集客户的评分数据;步骤二,隐式数据的计算,这个步骤主要通过客户浏览网站的时间来进行计算;步骤三,算法加权平均,得出目标数据,通过两项数据加权处理,得出目标数据,从而挖掘出推荐对象。结论农产品电子商务推荐系统可以提高农产品电子商务服务系统的交叉销售能力,提高整体交易量,可以挖掘潜在的农产品客户资源,提高客户对电子商站的忠诚度,能有效提高农产品电子商务系统的营销能力,具有较高的实用价值和应用前景。

参考文献:

[1]项亮.推荐系统实践[M].北京:人民邮电出版社,2012.

[2]朱郁筱.吕琳媛.推荐系统评价指标综述[J].电子科技大学学报,2012,(2):163-175.

[3]项亮.大话推荐系统评测[J].程序员,2012,(4):90-94.

[4]周涛.个性化推荐系统的十大挑战[J].程序员,2012,(6):107-111.

[5]侯振兴,崔虹燕.数字图书馆个性化主动信息服务模型研究[J].情报科学,2013,(3):35-39.

[6]王国霞,刘贺平.个性化推荐系统综述[J].计算机工程与应用,2012,(7):68-76.

作者:余明艳 郁春兰 单位:广东交通职业技术学院

阅读次数:人次