基于LBS模式的电子商务推荐技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·论文研究背景与意义 | 第9-11页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 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 |
| ·现有研究中存在的问题 | 第13页 |
| ·论文主要内容与组织结构 | 第13-17页 |
| ·论文主要内容 | 第13-14页 |
| ·论文组织结构 | 第14-17页 |
| 第2章 相关技术及理论介绍 | 第17-27页 |
| ·电子商务个性化推荐系统理论基础 | 第17-19页 |
| ·个性化推荐系统概念 | 第17-18页 |
| ·个性化推荐系统作用 | 第18-19页 |
| ·个性化推荐技术的分类与优缺点 | 第19-23页 |
| ·基于内容的推荐 | 第19-20页 |
| ·基于协同过滤的推荐 | 第20-22页 |
| ·混合推荐的技术 | 第22页 |
| ·其他推荐技术 | 第22-23页 |
| ·移动电子商务个性化推荐特点分析 | 第23-26页 |
| ·移动电子商务特点概述 | 第23-24页 |
| ·移动环境下个性化推荐的特点 | 第24-25页 |
| ·移动电子商务对算法的要求 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于 LBS 的用户兴趣模型研究 | 第27-41页 |
| ·影响用户兴趣的信息分析 | 第27-32页 |
| ·用户信息 | 第28-30页 |
| ·项目信息 | 第30页 |
| ·位置情景信息 | 第30-32页 |
| ·影响用户兴趣的信息的获取 | 第32-33页 |
| ·显式的信息获取 | 第32页 |
| ·隐式的信息获取 | 第32-33页 |
| ·常见的模型表示方法的对比 | 第33-35页 |
| ·基于 LBS 的用户兴趣模型的表示 | 第35-39页 |
| ·位置情景在推荐系统中的应用 | 第35-36页 |
| ·位置情景与用户兴趣的结合 | 第36-37页 |
| ·基于 LBS 的用户兴趣模型 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 基于 LBS 推荐算法的研究与构建 | 第41-55页 |
| ·位置情景相似度的算法的研究与设计 | 第41-44页 |
| ·位置情景相似度的计算 | 第41-42页 |
| ·位置情景相似度的计算过程 | 第42-44页 |
| ·用户兴趣的度的算法的研究与设计 | 第44-48页 |
| ·各项属性的标准化 | 第44-46页 |
| ·权重和加权矩阵 | 第46-47页 |
| ·计算项目的用户兴趣度的值 | 第47-48页 |
| ·位置和兴趣度相结合的推荐机制 | 第48-53页 |
| ·位置情景信息的使用 | 第48-49页 |
| ·基于 LBS 个性化推荐算法的流程 | 第49-50页 |
| ·基于 LBS 个性化推荐算法的描述 | 第50-53页 |
| ·本章小结 | 第53-55页 |
| 第5章 实证分析 | 第55-67页 |
| ·实验环境简述 | 第55-57页 |
| ·基于 LBS 的个性化推荐算法的实验设计 | 第57-61页 |
| ·数据来源 | 第57-58页 |
| ·实验方案设计 | 第58-60页 |
| ·实验流程设计 | 第60-61页 |
| ·实验结果分析 | 第61-66页 |
| ·敏感度测试分析 | 第61-63页 |
| ·推荐精度测试分析 | 第63-64页 |
| ·响应时间测试分析 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间发表的学术论文 | 第75-77页 |
| 致谢 | 第77页 |
