基于协同过滤技术的电子商务推荐系统的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·论文的主要研究内容 | 第13页 |
| ·论文的组织结构 | 第13-15页 |
| 第2章 电子商务个性化推荐系统 | 第15-22页 |
| ·个性化推荐系统概述 | 第15-19页 |
| ·个性化推荐系统的基本概念 | 第15页 |
| ·个性化推荐系统的框架 | 第15-17页 |
| ·个性化推荐系统的推荐流程 | 第17页 |
| ·个性化推荐系统的结构 | 第17-19页 |
| ·推荐系统的分类 | 第19-21页 |
| ·非个性化推荐系统 | 第19页 |
| ·个性化推荐系统 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 电子商务个性化推荐技术 | 第22-33页 |
| ·集体智慧 | 第22-23页 |
| ·集体智慧的基本概念 | 第22页 |
| ·集体智慧的类型 | 第22-23页 |
| ·协同过滤技术 | 第23-30页 |
| ·协同过滤技术的基本概念 | 第23页 |
| ·协同过滤技术原理 | 第23-25页 |
| ·协同过滤技术处理过程 | 第25-26页 |
| ·相似度计算 | 第26-29页 |
| ·协同过滤技术的优点与不足 | 第29-30页 |
| ·其他推荐技术介绍 | 第30-32页 |
| ·基于内容的推荐 | 第31页 |
| ·基于关联规则的推荐 | 第31页 |
| ·基于效用的推荐 | 第31-32页 |
| ·基于知识的推荐 | 第32页 |
| ·组合推荐 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第4章 提高推荐质量的研究 | 第33-43页 |
| ·协同过滤推荐质量改进的研究方向 | 第33页 |
| ·数据稀疏性问题的研究 | 第33-39页 |
| ·数据稀疏性问题 | 第33-34页 |
| ·解决数据稀疏性常用方法 | 第34-36页 |
| ·利用专家智慧缓解数据稀疏性问题 | 第36-37页 |
| ·实验结果与分析 | 第37-39页 |
| ·冷启动问题研究 | 第39-42页 |
| ·冷启动问题 | 第39页 |
| ·解决冷启动问题常用方法 | 第39-40页 |
| ·利用信息熵法解决冷启动问题 | 第40-41页 |
| ·实验结果与分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 构建电子商务推荐系统 | 第43-54页 |
| ·推荐系统的基本要求 | 第43页 |
| ·推荐系统的硬件平台 | 第43页 |
| ·基于协同过滤推荐系统构建 | 第43-51页 |
| ·收集偏好 | 第43-45页 |
| ·寻找邻居用户 | 第45-46页 |
| ·寻找匹配结果 | 第46页 |
| ·作出推荐 | 第46-48页 |
| ·基于项目协同过滤推荐系统构建 | 第48-49页 |
| ·构建真实数据集 | 第49-51页 |
| ·推荐系统应用展示 | 第51-53页 |
| ·推荐资源管理 | 第51页 |
| ·推荐参数设置管理 | 第51-52页 |
| ·展示推荐结果 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第6章 结论与展望 | 第54-56页 |
| ·研究结论 | 第54页 |
| ·工作展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-60页 |
| 致谢 | 第60页 |
