Our E-Commerce lab homework description.

1. Comert electronic
Tematica de laborator 2009/2010
Scopul lucrarilor de laborator este implementarea unei aplicatii colaborative pentru
diseminarea de informatii despre o anumita topica sau produs (excursii).
Se vor folosi urmatoarele tehnologii: HTML/CSS, XML/XSL, JavaScript, miniserveri Java, JSP,
Servicii WEB, servere de baze de date.
Un scenariu generic al unei sesiuni de navigare/recomandare/cumparare este urmatorul:
 Acces la pagina principala a aplicatiei; Utilizatorii sunt de 2 tipuri:
o Agentiile sunt deja adaugate in sistem si pot adauga excursii,
o Utilizatorii care pot vizualiza excursii, comenta excursiile prin aprecieri sub
forma de voturi, cumpara excursii.
 Inregistrarea utilizatorului si autentificarea (login) lui (optional).
 Vizualizarea excursiilor dorite si recomandarea unor excursii de catre sistem:
o Daca utilizatorul nu si-a construit profilul, sistemul foloseste recomandari
independente de utilizator: primele 5 cele mai recente excursii, primele 5 cele
mai votate excursii.
o Daca utilizatorul si-a construit profilul, sistemul ii face o recomandare a
excursiilor bazate pe preferintele utilizator (user –based - cand userul
acceseaza sistemul la inceput).
o Cand utilizatorul a selectat o excursie, sistemului ii face o recomandare bazata
pe elementul selectat (item –based- ii va recomanda alte excursii similare cu
excursia pe care el a selectat-o).
o Utilizatorii pot adauga tag-uri (caracteristici) la excursii care pot fi si notate
de la 1-10 (de exemplu pentru „excursia la Praga” s-a adaugat tag-ul muzeu
care a fost notat de utilizatori cu notele 8, 10, 7). – (extindere pentru proiect)
o Sistemul ii poate face o recomandare utilizatorului si pe baza tag-urilor pe
care acesta le-a notat pentru diferite excursii. – (extindere pentru proiect)
o Utilizatorii pot sa plaseze excursiile intr-un cos virtual de cumparaturi si sa
confirme comenda prin introducerea unor date suplimentare. Terminarea
sesiunii.
Sedinta tutoriala 1
 Impartirea pe echipe, cate doi studenti intr-o echipa
 Formularea cerintelor si continutului laboratorului.
Sedinta tutoriala 2
Prezentarea tehnologiilor si a instrumentelor software care vor fi folosite la laborator:
 Java, Java Servlet, JSP, Servicii Web.
 Apache/Tomcat:
o Prezentarea Tomcat, a interfetei si a structurii unei aplicatii
 Apache/Axis
o Prezentarea Apache/Axis, a interfetei si a structurii unei aplicatii
 Instrumente Java
o Prezentarea unui instrument de dezvoltare pentru Java (Eclipse).
o Precizarea bibliotecilor Java necesare pentru dezvoltarea de aplicatii web.

2. Sedinta tutoriala 3
Prezentare sisteme de recomandare. Algoritmi pentu sisteme de recomandare.
Tema 1
-Construirea paginii principale a sistemul. Functionalitatile care se vor adauga sunt:
o Un utilizator poate sa se inregistreze
o Un utilizator poate sa se autentifice (login) cu posiblilitea de a-si modifica profilul
dupa autentificare
o O agentie poate sa adauge excursii, sa modifice/ stearga excursii
o Un utilizator poate sa vizualizeze excursii, sa caute, sa evalueze, sa cumpere
-Se va crea scheletul aplicatiei folosind HTML/CSS/Java Script.
Tema 2
-Crearea bazei de date care va stoca informatii despre excursii si utilizatori.
-Se vor implementa functiile:
o inregistrarea unui utilizator si adaugarea lui in baza de date.
o autentificarea unui utilizator cu posibilitatea de a-si modifica datele.
o adaugarea/modificarea/stergerea unei excursii pentru agentii.
Excursie
*IdExcursie
Agentie *IdAgentie
*IdAgentie *Destinatia
*Denumire *Traseu
*Parola *Luna calendaristica
*Durata
*Pret
Utilizator Utilizator_Excursie
*NumeUtilizator *CNP
*CNP * IdExcursie
*parola *Vot(1..5)
*educatie(studii medii/universitare/postuniversitare)
*varsta
*profesia
Caracteristici(Tag-uri)
*IdExcursie
*Cnp
*Caracteristica
*Nota
Tema 3
-Se va implementa prima forma de recomandare:
o Daca utilizatorul nu si-a construit profilul, sistemul foloseste recomandari
independente de utilizator: primele 5 cele mai recente excursii, primele 5 cele mai
votate excursii.
- Se va implementa functia de cautarea a unei excursii dupa nume destinatiei.

3. Tema 4
-Plasarea excursiilor intr-un cos virtual de cumparaturi si confirmarea comenzii prin
introducerea unor date suplimentare. Terminarea sesiunii.
-Utilizatorul poate evalua excursiile prin acordarea de voturi.
Tema 5
-Daca utilizatorul si-a construit profilul, sistemul ii face o recomandare a excursiilor
bazate pe preferintele sale. Se va folosi filtrarea colaborativa centrata pe utilizator
(algoritmul va fi prezentat detaliat in tutorial in sedinta tutoriala 3).
-Pentru M elemente si K utilizatori, se va calcula matricea utilizator-element (utilizator -
excursie).
-Fiecare element al matricei indica:
- votul pe care un utilizator l-a dat pentru o excursie, daca excursia a fost votata,
- valoare necunoscuta daca excursia nu a fost votata.
-Fiecare rand al matricei este un vector care reprezinta profilul utilizatorului pe baza
voturilor date excursiilor.
-Pentru a calcula similaritatea intre profilele utilizatorilor, se va folosi corelatia Pearson.
-Pentru un profilul utilizatorului curent, se vor alege primele N profile utilizator similare.
-Utilizatorului curent ii vor fi recomandate elementele preferate de cei N utilizatori
similari.
Tema 6
-Cand utilizatorul a selectat o excursie, sistemul ii face o recomandare bazata pe elementul
selectat (item –based- ii va recomanda alte excursii similare cu excursia pe care el a
selectat-o). Se va folosi filtrarea colaborativa centrata pe item. (algoritmul va fi prezentat
detaliat in tutorial, in sedinta tutoriala 3).
-Pornind de la matricea utilizator–element, se va calcula matricea element-elemnt
(excursie -excursie) care indica gradul de similaritate intre elemente.
-Se ordoneaza elementele in functie de similitudinea intre ele, folosind corelatia Pearson.
-Atunci cand un utilizator selecteaza un element, sistemul ii va recomanda primele M
elemente cele mai similare cu acesta.
Tema Proiect: sistemul de mai sus va avea urmatoarea extindere:
-La fiecare excursie utilizatorii pot adauga caracteristici sau tag-uri sau impresii(exemplu:
muzee, peisaje montane, etc) pe care le pot nota (de la 1 la 10).
-Sistemul ii poate face o recomandare utilizatorului si pe baza tag-urilor pe care acesta le-
a notat pentru diferite excursii.
-Se va folosi filtrarea colaborativa centrata pe utilizator.
-Se va calcula matricea utilizator-tag; fiecare element al matricei Xu,t reprezinta media
notelor date de utilizatorul u pentru tag-ul t.
-Fiecare rand al matricei este un vector care reprezinta profilul utilizatorului pe baza
notelor date impresiilor (tag-urilor) excursiilor.
-Pentru a calcula similaritatea intre profilele utilizatorilor, se va folosi corelatia Pearson.
-Pentru un profilul utilizatorului curent, se vor alege primele N profile utilizator similare.
-Utilizatorului curent ii vor fi recomandate elementele preferate de cei N utilizatori
similari.