| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| §1-1 研究背景和研究意义 | 第9-10页 |
| §1-2 论文主要内容和创新点 | 第10页 |
| §1-3 论文结构 | 第10-12页 |
| 第二章 电子商务推荐系统及推荐算法研究综述 | 第12-22页 |
| §2-1 电子商务推荐系统 | 第12-14页 |
| §2-2 电子商务推荐算法分类 | 第14-15页 |
| 2-2-1 基于内容的推荐算法 | 第14-15页 |
| 2-2-2 基于规则的推荐算法 | 第15页 |
| §2-3 协同过滤推荐算法 | 第15-21页 |
| 2-3-1 协同过滤的定义 | 第15-16页 |
| 2-3-2 协同过滤推荐算法文献综述 | 第16-21页 |
| §2-4 本章小结 | 第21-22页 |
| 第三章 协同过滤推荐算法研究分析 | 第22-29页 |
| §3-1 传统协同过滤推荐算法 | 第22-24页 |
| 3-1-1 评分表示 | 第22页 |
| 3-1-2 邻居形成 | 第22-23页 |
| 3-1-3 推荐产生 | 第23-24页 |
| §3-2 传统协同过滤推荐算法的优缺点分析 | 第24-25页 |
| §3-3 协同过滤推荐现有算法的分类研究与分析 | 第25-28页 |
| 3-3-1 全局数值算法 | 第25-26页 |
| 3-3-2 基于模型的算法 | 第26-27页 |
| 3-3-3 组合推荐算法 | 第27-28页 |
| §3-4 本章小结 | 第28-29页 |
| 第四章 协同过滤推荐算法的改进 | 第29-36页 |
| §4-1 问题分析 | 第29-30页 |
| §4-2 改进算法提出的依据 | 第30-31页 |
| §4-3 基于用户多兴趣的协同过滤推荐算法 | 第31-34页 |
| §4-4 算法说明 | 第34-35页 |
| §4-5 本章小结 | 第35-36页 |
| 第五章 协同过滤推荐改进算法的仿真与测试 | 第36-49页 |
| §5-1 数据集 | 第36-37页 |
| §5-2 实验设计 | 第37-40页 |
| 5-2-1 实验数据集的选取 | 第37-38页 |
| 5-2-2 实验环境 | 第38页 |
| 5-2-3 度量标准 | 第38-39页 |
| 5-2-4 实验方案 | 第39-40页 |
| §5-3 实验仿真 | 第40-45页 |
| 5-3-1 训练集与测试集的生成 | 第40页 |
| 5-3-2 用户-项目评价矩阵的生成 | 第40-41页 |
| 5-3-3 用户对不同类别电影的兴趣度计算 | 第41-42页 |
| 5-3-4 用户间相似性的计算 | 第42-43页 |
| 5-3-5 用户最近邻居的生成 | 第43-44页 |
| 5-3-6 用户未评价项的评分预测的生成 | 第44-45页 |
| §5-4 实验分析 | 第45-48页 |
| 5-4-1 数据的稀疏性比较 | 第45-46页 |
| 5-4-2 最近邻居集大小不同下的推荐效果比较 | 第46页 |
| 5-4-3 训练集与测试集不同比例下的推荐效果比较 | 第46-48页 |
| §5-5 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| §6-1 总结 | 第49页 |
| §6-2 展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间所取得的相关科研成果 | 第57页 |