本发明涉及电子商务
技术领域：
，具体涉及一种智能化程度高的电子商务系统。
背景技术：
：随着现代社会的发展，电子商务走进人们的生活。然而现有的电子商务系统智能化程度低，无法实现向用户准确推荐商品。随着信息技术和互联网的蓬勃发展，网络上的资源呈爆炸式增长，一方面，人们能从网络上获取的资源也越来越丰富，给生活带来了极大的便利；另一方面，海量的信息空间带给用户更多元化选择的同时，反而使用户迷失在信息的海洋，用户不得不花费更多的时间成本来寻找所需的信息。个性化推荐通过对用户个性、习惯、偏好的分析，能够及时跟踪用户的需求变化来自动调整信息服务的方式和内容，定制的向用户提供其感兴趣的信息和服务。与搜索引擎提供的“一对多”式的信息服务不同，个性化推荐系统输出的结果更符合用户需求，同时用户参与度也更低，从而使得用户寻找信息的成本大大降低。技术实现要素：针对上述问题，本发明旨在提供一种智能化程度高的电子商务系统。本发明的目的采用以下技术方案来实现：提供了一种智能化程度高的电子商务系统，包括身份验证模块、商品推荐模块、商品购买模块、订单管理模块和报表生成模块，所述身份验证模块用于用户输入个人资料，根据个人资料对用户进行身份验证，所述商品推荐模块用于向经过身份验证的用户推荐商品，所述商品购买模块包括用户选购子模块、结算子模块和商品评价子模块，所述用户选购子模块用于用户从推荐商品中选择想要的商品，所述结算子模块用于用户选择收货地址、支付及配送方式、发票信息后进行结算，所述商品评价子模块用于用户收到购买的商品后，对商品进行评价，所述订单管理模块用于向用户提供物流管理功能，用户可根据订单对信息查询商品的物流信息，所述报表生成模块用于对商品的销售情况进行统计，生成统计报表。本发明的有益效果为：实现了商品推荐、用户购买、订单管理和报表生成的一站式管理，极大提升了电子商务的安全性和灵活性。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明的结构示意图；附图标记：身份验证模块1、商品推荐模块2、商品购买模块3、订单管理模块4、报表生成模块5。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种智能化程度高的电子商务系统，包括身份验证模块1、商品推荐模块2、商品购买模块3、订单管理模块4和报表生成模块5，所述身份验证模块1用于用户输入个人资料，根据个人资料对用户进行身份验证，所述商品推荐模块2用于向经过身份验证的用户推荐商品，所述商品购买模块3包括用户选购子模块、结算子模块和商品评价子模块，所述用户选购子模块用于用户从推荐商品中选择想要的商品，所述结算子模块用于用户选择收货地址、支付及配送方式、发票信息后进行结算，所述商品评价子模块用于用户收到购买的商品后，对商品进行评价，所述订单管理模块4用于向用户提供物流管理功能，用户可根据订单对信息查询商品的物流信息，所述报表生成模块5用于对商品的销售情况进行统计，生成统计报表。本实施例实现了商品推荐、用户购买、订单管理和报表生成的一站式管理，极大提升了电子商务的安全性和灵活性。优选的，所述商品的销售情况包括订单收入、物流费用和商品利润。本优选实施例实现了商品销售情况的全面统计。优选的，所述商品推荐模块2包括采集模块、评分模块、选择模块和推荐模块，所述采集模块用于获取用户对商品的评分，所述评分模块用于根据评分确定用户对商品的评分矩阵，所述选择模块用于查找与待推荐用户相似的近邻用户，所述推荐模块用于根据近邻用户向待推荐用户推荐商品。本优选实施例商品推荐模块实现了商品的个性化推荐。优选的，所述评分模块用于确定用户对商品的评分矩阵，具体为：采用下式确定评分矩阵：p＝[pik]m×n，式中，p表示评分矩阵，pik表示第i个用户ui对第k个商品xk的评分，m表示用户的数量，n表示商品的数量，如果用户未对某商品评分，则对应得评分为0，评分越高，表示用户对商品的喜好程度越大；本优选实施例建立了用户对商品的评分矩阵，为后续选择模块查找近邻用户奠定了基础。优选的，所述选择模块包括第一选择模块、第二选择模块和综合选择模块，所述第一选择模块用于确定待推荐用户与其它用户的第一相似度，所述第二选择模块用于确定待推荐用户与其它用户的第二相似度，所述综合选择模块用于根据第一相似度和第二相似度确定待推荐用户的近邻用户；所述第一选择模块用于确定待推荐用户与其它用户的第一相似度，具体为：设用户ui和用户uj共同评分的商品集合为uij，采用下式计算第一相似度：式中，s1(ui,uj)表示用户ui和用户uj的第一相似度，pic和pjc分别表示用户ui和用户uj对商品xc的评分，pi和pj分别表示用户ui和用户uj对所有商品的评分的平均值；所述第一相似度值越大，则用户的相似性越大，反之，则相似性越小。所述第二选择模块用于确定待推荐用户与其它用户的第二相似度，具体为：将每一个用户对所有商品的评分作为一个n维向量，设用户ui和用户uj的评分向量分别记作i＝[pi1,pi2,…,pin]和j＝[pj1,pj2,…,pjn]，所有商品集合为x，采用下式计算第二相似度：式中，s2(ui,uj)表示用户ui和用户uj的第二相似度，pik和pjk分别表示用户ui和用户μj对商品xk的评分；所述第二相似度值越大，则用户的相似性越大，反之，则相似性越小。所述综合选择模块用于根据第一相似度和第二相似度确定待推荐用户的近邻用户，具体为：根据第一相似度和第二相似度计算用户的相似性因子：式中，y(ui,uj)表示用户ui和用户uj的相似性因子；所述相似性因子越大，表示用户之间的相似性越高；将相似度高的用户作为待推荐用户的近邻用户；本优选实施例通过相似性因子确定待推荐用户的近邻用户，为后续推荐模块进行个性化推荐奠定了基础，具体的，第一相似度考虑了用户之间的共同评分商品，第二相似度考虑了用户对所有商品的评分，相似度因子综合第一相似度和第二相似度获取了准确的近邻用户。优选的，所述推荐模块用于根据近邻用户向待推荐用户推荐商品，具体为：根据近邻用户集合中用户的评分，预测待推荐用户对未评分商品的推荐因子：式中，tik表示待推荐用户ui对未评分商品xd的推荐因子，h表示待推荐用户的近邻用户集合，pjd表示近邻用户uj对商品xd的评分；根据推荐因子的从大到小排序向待推荐用户推荐商品。本优选实施例推荐模块通过计算待推荐用户对未评分商品的推荐因子，实现了个性化准确推荐，提升了用户满意度。采用本发明智能化程度高的电子商务系统进行购物，选取5个用户进行实验，分别为用户1、用户2、用户3、用户4、用户5，对购物效率和用户满意度进行统计，同现有电子商务系统相比，产生的有益效果如下表所示：购物效率提高用户满意度提高用户129％27％用户227％26％用户326％26％用户425％24％用户524％22％最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页12