Smart Location-Based Mobile Shopping Android Application
journal of Computer and Communications, 2014, Vol.02 (08), pp.54-6
1. Introduction
Nowadays, the technology keeps improving drastically, especially on smart phones and mobile devices. Since the last decade, their hardware and software capabilities have been improved rapidly. We are able to think that the current mobile phones are as strong as computers and also they are able to compete with computers. One example is that, they have multi-core processor. It means that they are as fast as a computer, in other words, their capabilities are very broad. Therefore, the customersrsquo; requirements will increase year by year. In addition, the sales have increased tremendously in recent decades.
As more people have more smart phones, they are more willing to use them for purchasing, searching and other purposes, instead of using a computer. The survey proves that smart phones are used as a reference to get information . In addition, the big companies get benefits from mobile devices and smart phones. PayPal is experiencing an exponential growth in mobile payments and growing from $750M in 2008 to over $4B in 2011, with $20B expected in 2013 [2]. More than 3 million people have paid using the Starbucks Card Mobile appli-cation, making Starbucks the nationrsquo;s largest mobile payment network. It presents in 6800 Starbucks and 1000 Target locations [3]. According to all this information, the mobile market becomes an important part of the world trade. Therefore, mobile applications are needed and produced by mobile developers.
“Online shopping” is one type of mobile application on smart phones. Furthermore, we are able to see that the web market is losing the peoplersquo;s focus, on the other side the focus is shifting towards the mobile market. Moreover, the people have a limited time nowadays because the technology has been improving and tons of work must be finished in a specific time; therefore the time becomes important for our daily work. In addition, the people want to decrease time consuming tasks on daily routine works by using the mobile devices. Accord-ing to it, market analyst says that the people use their phones more than that in the last two decades.
In general, the people are willing to buy the cheapest products. Also, the location of shopping malls is an im-portant factor, too. People prefer to choose closer shopping malls for buying a product even though the productrsquo;s price is high. Furthermore, they prefer to buy the cheapest product in the closest shopping mall. Therefore, the people have to search the location of shopping malls and products which are available at each shopping mall. Consequently, the location information is the key value for mobile applications. The location information is used as a standard feature which is used in the other applications and also, this mobile shopping Android applica-tionrsquo;s coverage is not limited. The application is easily extendable according to the usersrsquo; requirements. The Android application is developed in Android 2.2 version, Application Programming Interface (API) level 8. Be-sides this information, the system architecture is designed by using Service-Oriented Modeling Framework (SOMF) based on Unified Modeling Language (UML) and object-oriented programming language is used in development process. Designing with UML is simplifying complexity of the system and helps us to understand the architecture of this paper project. In the development process, the usersrsquo; input data which has been brought before searching products in the nearest electronic super-stores and also the names of local shopping stores are used in a “Smart Filtering algorithm”. Moreover, simple filtering and cleaning technics such as Agglomerative Clustering Algorithm, Greedy Search Algorithm, and a Levenshtein distance are used in SAGO mobile shop-ping application. Although the mobile application is developed for android devices, it will be easily adopted and developed for iOS devices. By using this android mobile application, the users are able to search the products in closer areas without knowing the location of the shopping mall, and compare the prices that are getting from each local electronic super-store and subsequently decide where to buy. According to these, the users save both their money and time by using the android mobile application.
2. Architecture of Sago Mobile Shopping Application
The system architecture diagram was created by using SOMF depends on UML. SOMF has been proposed by author Michael Bell as “a holistic and anthropomorphic modeling language for software development that em-ploys disciplines and a universal language to provide tactical and strategic solutions to enterprise problems” [4]. In short, SOMF is a service-oriented development life-cycle methodology.
As seen in Figure 1, the system architecture depends on three layers; Resource Layer, Data Access and Ex-traction Layer, Presentation Layer.
The top layer of the system architecture is “Resource Layer”. This layer includes the related data which is used in the SAGO mobile shopping Android application. The most part of the data is collected from internet re-sources which are the electronic local stores in Turkey. The local electronic stores which are used in the SAGO mobile shopping Android application are; Teknosa, Darty, Bimeks, Vatan Computer, Electro World.
There are also many other local electronic stores. These are the most popular electronic stores in Turkey. In future development, the other electronic local stores will be able to be added to the SAGO mobile shopping An-droid application. Another part of the data is gathered from Google. Google provides a variety of data to the de-velopers and researchers. In this paper, the two Google Web APIs are used to collect the data. The first one is Google Places API and the s
剩余内容已隐藏，支付完成后下载完整资料
基于智能定位的移动购物安卓应用
计算机与通信学报，2014，（08），pp.54-63 vol.02
如今,技术不断提高,特别是在智能手机和移动设备上。过去十年以来,它们的硬件和软件能力提高很快。我们可以认为,当前手机和电脑一样强大,还可以与电脑竞争。一个例子是,手机有多核处理器。这意味着它们和电脑一样快,换句话说,他们的能力非常广泛。因此,客户的需求将逐年增加。此外,销售近几十年增加的极大。
1. 介绍
随着越来越多的人有了更多的智能手机,他们更愿意使用它们来采购、搜索和其他目的,而不是使用电脑。调查表明,智能手机常被用来查找资料。此外,大公司得到受益于移动设备和智能手机。在移动支付PayPal正在经历一个指数级增长,从2008年的750美元到2011年增长了$4B美元,预计在2013年会增长20美元。超过300万人使用移动appli-cation星巴克卡,这些支付使星巴克成为全国最大的移动支付网络。它展示星巴克6800员工和1000个目标位置。根据这些信息,手机市场成为世界贸易的重要组成部分。因此,需要移动应用程序和移动开发者所产生的。
“网上购物”是一种类型的智能手机移动应用。此外,我们可以看到,网络市场失去了人们的关注,另一方面重点转向移动市场。此外,如今人有限的时间,因为技术改善和成吨的工作必须在特定时间内完成,因此对我们的日常工作的时间就变得很重要。此外,人们想要在日常工作通过使用移动设备减少耗时任务。Accord-ing市场分析师说,在过去的二十年使用手机的人更多。
一般来说,人们愿意购买最便宜的产品。同时,购物中心的位置也是一个重要因素。人们更愿意选择靠近购物中心购买一个产品,即使产品的价格高。此外,他们更愿意在最近的购物中心买最便宜的产品。因此,人们必须可以在每一个购物中心搜索购物中心的位置和产品。因此,移动应用程序的位置信息是关键值。位置信息作为标准功能,用于其他应用程序,Android手机购物采用的覆盖范围并不局限。根据用户的应用程序很容易扩展的需求。Android应用程序是在Android 2.2版本中,开发的应用程序编程接口(API)8。除了这个信息外,系统架构设计通过使用面向服务的建模框架(SOMF)基于统一建模语言(UML)和面向对象的编程语言是用于开发过程。设计与UML是简化系统的复杂性和帮助我们理解本文的建筑项目。在开发过程中,用户的输入数据已在最近的搜索产品电子以及当地购物商店的名称中使用“智能滤波算法”。此外,简单的过滤和清洗工艺如凝结的聚类算法,贪婪的搜索算法,Levenshtein函数用于西米移动shop-ping应用程序。虽然是android设备开发的移动应用程序,它将很容易采用和开发iOS设备。通过使用这个安卓移动应用程序,用户可以搜索产品更紧密的地区不知道购物中心的位置,和比较价格从每一个地方电子超级商场,随后决定购买。根据这些,用户节省他们的钱和时间使用android手机应用程序。
2.西米移动购物应用的架构
系统架构图是由使用取决于UML的SOMF。SOMF是被作者迈克尔·贝尔提出的是“一个整体和拟人化的建模语言的关于em-ploys学科和通用语言的软件开发,用来提供战术和战略来解决企业的问题”。简而言之,SOMF是面向服务开发生命周期方法学。
正如图1所示，系统架构取决于三层;资源层、数据访问和读取层,表示层。
系统的顶层架构是“资源层”。这一层包含相关数据用于西米移动购物Android应用程序。大部分收集数据从互联网资源上的在土耳其当地的商店。当地的电子商店用于西米移动购物Android应用程序;Teknosa,Darty Bimeks Vatan计算机,电子世界。
也有许多其他当地的电子商店。这些都是在土耳其最受欢迎的电子商店。在未来的发展中,当地其他电子商店能够被添加到西米移动购物An-droid应用中。另一部分的数据来自谷歌。谷歌为开发人员和研究人员提供各种数据。在本文中,这两个Google Web API用于收集数据。第一个是Google Places API和第二个是谷歌地图API。
系统架构的第二层是“数据访问和提取层”。这一层包含的数据访问工具和数据提取工具,命名为Jsoup,定义为“Jsoup是一个Java库处理真实世界的HTML。它提供了一个非常方便的API来提取和操纵数据,使用最好的DOM,CSS和JQuery-like方法”[5]。Jsoup是一个Java超文本标记语言(HTML)解析器和一个开源项目。这个项目分布在麻省理工学院，经过(MIT)许可。这执照允许开发人员在他们的应用程序自由使用它。本文Jsoup使用HTTP协议来收集数据从web资源。此外,收集的数据也从Google API通过REST web更好。此外,在收集从Google API,需要过滤消除不必要的和相关的信息。
系统架构的第三层是“表示层”。这一层包括排序相关结果收集的数据访问和提取层,表示层的目的是使一个有意义的和逻辑的方式涵盖了用户需求。基本排序技术是用于西米,因为不需要更复杂的排序技术。
图1：西米系统架构
3. 智能过滤算法
本文的智能滤波算法是一种结合不同类型的智能过滤的算法。包括:
bull;贪婪搜索算法
bull;凝结的聚类算法
○正常化
○Levenshtein距离
bull;评分的产品
贪婪搜索算法用于从数据中去除无关信息。该算法是根据西米改进的移动购物Android应用程序的需求。同样的算法和成形参数在贪婪搜索算法也被使用,然而,这一次,“R”是产品的总和。产品来自互联网资源。此外,产品也在过滤算法。
凝结的聚类算法比贪婪搜索算法包括一些更复杂的计算和过滤,也用于聚类结果。这些都是由产品搜索结果。这些结果使移动用户在当地的西米移动购物A-droid应用程序看到价格。
在数据挖掘中,会凝聚的层次聚类算法是一种战略集群。分层聚类是聚类分析的方法,试图构建一个层次结构的集群数据挖掘[6]。此外,聚类是一种无监督学习(没有数据展示的过程)的学习方法。
西米Android移动购物应用程序使用聚类方法来帮助智能滤波算法，能够有效产品搜索结果展示给手机用户。据调查我的产品搜索结果从互联网资源;例如,手机用户搜索iPhone,会收集不同类型的产品,其中一些是无关的。无关的结果不应该显示给顾客，因此产品搜索结果是一组通过计算每个结果项的平均价格因为我们知道iPhone移动设备的价格在一定范围内。
烧结的聚类算法或会凝聚的层次聚类从对象(一个点,单例)设置为一个集群,换句话说,每个对象都是一个集群开始。然后,最近的对象添加到对集群的每个迭代算法如果类似的标准验证。这个过程一直持续到所有数据的合并作为一个集群,这是一个凝结的策略,是一种“自下而上”的方法。这种方法表示如图2更正式。此外,传统hierarchical算法使用相似性或距离/距离矩阵。该算法如图2，操作的关键是计算两个集群之间的距离/距离矩阵。
有很多方法,计算两个集群之间的距离。欧几里得距离用于距离的测量。它被选择是因为测量的计算过程时间短。
图2：基本凝聚层次聚类算法
4. 总结
这个介绍了开发移动购物android应用程序移动用户搜索和列表所需的产品位置信息。主要的思想是把价格从每一个本地存储库存信息获取出来和潇洒地列出产品清单。
西米的效率是提高了优化数据的收集时间。从互联网资源收集数据和提取它需要很长时间。在改善之前,需要5分钟收集数据。改善已经完成后,采集时间减少至2分钟。这是一个非常重要的一步来优化西米android购物应用程序的效率。2分钟的时间只是从网络资源,收集时间和还需要额外的时间来提取数据。此外,一些数据迷失是因为它是互联网的高响应时间资源。这些资源没有一个web服务,所以数据没有提供数据限制的时间。
Jsoup这是一个Java HTML解析器，从互联网收集数据资源用于西米移动购物Android应用程序。这个解析器连接到网络资源通过HTTP协议和收集数据。每个连接到互联网资源有一个超时时间。默认超时时间为3秒。当Jsoup西米应用程序收集到数据,互联网资源的响应时间变化了，导致超时，因此链接下降，数据无法检索。这个问题是由增加超时显示到了5秒。改变超时时间告诉我们,如果超时增加更高的数据，比如10秒,Jsoup不丢失任何数据。然而,这种变化影响到总集合时间。需要大约2分钟收集数据从五个互联网资源使用默认超时。如果增加超时时间,总集合时间会超过2分钟。在一些操作后,设置超时时间为5秒,总集合时间5分钟。
因此,移动购物android应用程序性能结果在当地五家电子商店展示出来。性能令人满意的目标达到购物应用程序。为更广泛的可用性设计,西米是一个PoC应用程序,它可以扩展容易等添加其他行业比如当地的宠物店,书店,等。西米对于花钱购物的手机使用者来说是一项非常有用的手机应用，这对消费者非常有用。
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[28812]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
