基于用户兴趣与合作的个性化电子商务推荐系统研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·问题的提出 | 第9页 |
| ·电子商务推荐系统概述 | 第9-12页 |
| ·系统的输入输出及表现形式 | 第10-11页 |
| ·推荐方法 | 第11页 |
| ·其他设计问题 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文的主要研究工作和组织 | 第13-15页 |
| 第2章 个性化推荐技术 | 第15-27页 |
| ·个性化推荐概述 | 第15-16页 |
| ·可利用的数据和信息 | 第15-16页 |
| ·推荐技术评价标准 | 第16页 |
| ·常用推荐技术简介 | 第16-19页 |
| ·信息过滤技术 | 第16-17页 |
| ·数据挖掘技术 | 第17-19页 |
| ·其他技术 | 第19页 |
| ·内容过滤推荐技术 | 第19-21页 |
| ·基于内容过滤推荐的涵义 | 第19-21页 |
| ·内容过滤推荐的局限性 | 第21页 |
| ·用户合作过滤 | 第21-25页 |
| ·合作过滤简介 | 第21-22页 |
| ·合作过滤推荐算法分析 | 第22-25页 |
| ·合作过滤面临的挑战 | 第25页 |
| ·两种过滤技术结合的优越性 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第3章 基于兴趣度向量模型的用户合作推荐方法 | 第27-37页 |
| ·面临的问题与研究的出发点 | 第27-28页 |
| ·模型的建立 | 第28-32页 |
| ·项目特征文件 | 第28-29页 |
| ·用户兴趣度向量空间模型 | 第29-31页 |
| ·用户邻居模型 | 第31-32页 |
| ·基于兴趣度向量模型的推荐机制 | 第32-33页 |
| ·实验分析 | 第33-36页 |
| ·数据描述 | 第34页 |
| ·实验设计 | 第34-35页 |
| ·结果对比 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第4章 结合人口统计信息的推荐 | 第37-42页 |
| ·人口统计信息 | 第37-38页 |
| ·人口统计信息的内容 | 第37页 |
| ·人口统计信息的利用价值 | 第37-38页 |
| ·结合人口统计信息的推荐 | 第38-40页 |
| ·人口统计信息参与推荐的途径 | 第38页 |
| ·辅助基于用户兴趣度向量模型的推荐过程 | 第38-40页 |
| ·新方法的实验分析 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第5章 基于用户兴趣与合作的推荐系统的基本框架 | 第42-49页 |
| ·系统的体系结构 | 第42-47页 |
| ·数据采集 | 第43-45页 |
| ·离线数据处理 | 第45-46页 |
| ·在线推荐服务 | 第46-47页 |
| ·对系统适用性的说明 | 第47-48页 |
| ·小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 攻读学位期间发表的学术论文 | 第56-59页 |
| 致谢 | 第59页 |
