| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·电子商务推荐系统的研究内容及现状 | 第9-11页 |
| ·电子商务推荐系统的研究内容 | 第9-10页 |
| ·国内外现状 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·本文研究的目的和内容 | 第12-13页 |
| ·本文研究的目的 | 第12页 |
| ·本文研究的内容 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 2 电子商务个性化推荐技术 | 第14-30页 |
| ·个性化推荐系统概述 | 第14-18页 |
| ·推荐系统的数据源 | 第14-15页 |
| ·推荐系统的推荐结果 | 第15页 |
| ·主要推荐系统算法介绍 | 第15-18页 |
| ·电子商务协同过滤推荐技术 | 第18-29页 |
| ·协同过滤算法 | 第19-24页 |
| ·传统协同过滤算法优缺点分析 | 第24-25页 |
| ·相关改进算法 | 第25-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于模范用户的协同过滤推荐系统设计 | 第30-42页 |
| ·问题的提出 | 第30-31页 |
| ·相关概念描述 | 第31页 |
| ·模范用户 | 第31页 |
| ·模范用户粒度 | 第31页 |
| ·训练模范用户 | 第31-33页 |
| ·划分训练 | 第31页 |
| ·覆盖训练 | 第31-32页 |
| ·模范用户生成规则 | 第32-33页 |
| ·有效性判断 | 第33-39页 |
| ·Davies-Bouldin(DB)指标 | 第33-34页 |
| ·分割系数PC（Partition Coefficient） | 第34页 |
| ·模范用户粒度(k 值)选取过程 | 第34-39页 |
| ·基于模范用户的协同过滤推荐流程 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 4 实验 | 第42-49页 |
| ·实验目的 | 第42页 |
| ·实验数据集及实验环境 | 第42-43页 |
| ·评估指标 | 第43页 |
| ·实验方案 | 第43-44页 |
| ·实验结果及分析 | 第44-48页 |
| ·实验1 | 第44-46页 |
| ·实验2 | 第46页 |
| ·实验3 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| ·本文工作总结 | 第49页 |
| ·下一步工作及展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 作者在攻读学位期间发表的论文目录 | 第55页 |