基于协同过滤技术的电子商务个性化推荐研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·论文研究背景 | 第10-13页 |
| ·电子商务个性化推荐系统 | 第11-12页 |
| ·电子商务个性化推荐技术 | 第12-13页 |
| ·论文的研究工作 | 第13-14页 |
| ·论文结构 | 第14-15页 |
| ·小结 | 第15-16页 |
| 2 电子商务个性化推荐系统 | 第16-30页 |
| ·电子商务推荐系统概述 | 第16-18页 |
| ·推荐系统的作用 | 第16页 |
| ·推荐系统的分类 | 第16-17页 |
| ·推荐系统的推荐方式 | 第17-18页 |
| ·电子商务个性化推荐系统的构成 | 第18-23页 |
| ·基本构成 | 第18-20页 |
| ·推荐方法模块实例 | 第20-23页 |
| ·电子商务个性化推荐系统的框架结构 | 第23-25页 |
| ·电子商务个性化推荐系统的研究 | 第25-28页 |
| ·推荐系统的研究内容 | 第26页 |
| ·推荐系统面临的挑战 | 第26-27页 |
| ·国内外研究现状 | 第27-28页 |
| ·小结 | 第28-30页 |
| 3 电子商务个性化推荐技术 | 第30-39页 |
| ·主要推荐技术介绍 | 第30-34页 |
| ·基于用户的协同过滤推荐 | 第30-32页 |
| ·基于项目的协同过滤推荐 | 第32页 |
| ·基于规则的推荐 | 第32-33页 |
| ·基于内容的推荐 | 第33页 |
| ·基于人口统计信息的推荐 | 第33-34页 |
| ·基于效用的推荐 | 第34页 |
| ·基于知识的推荐 | 第34页 |
| ·各种推荐技术特点的比较 | 第34-36页 |
| ·组合推荐技术 | 第36-37页 |
| ·小结 | 第37-39页 |
| 4 基于分类树相似度加权的协同过滤算法 | 第39-52页 |
| ·协同过滤的定义 | 第39-40页 |
| ·协同过滤推荐的分类 | 第40-41页 |
| ·传统协同过滤推荐算法 | 第41-45页 |
| ·User-based协同过滤推荐算法 | 第41-43页 |
| ·Item-based协同过滤推荐算法 | 第43-45页 |
| ·传统协同过滤推荐算法应用中面临的主要挑战 | 第45-46页 |
| ·User-based协同过滤推荐算法分析 | 第45页 |
| ·Item-based协同过滤推荐算法分析 | 第45-46页 |
| ·协同过滤算法的稀疏性问题分析 | 第46页 |
| ·算法提出的基本思想 | 第46页 |
| ·算法语言描述 | 第46-50页 |
| ·算法的表示 | 第46-47页 |
| ·算法的输入输出 | 第47页 |
| ·算法的过程 | 第47-50页 |
| ·程序流程图 | 第50-51页 |
| ·小结 | 第51-52页 |
| 5 实验设计与结果分析 | 第52-62页 |
| ·实验数据集 | 第52-53页 |
| ·实验设计 | 第53-56页 |
| ·实验数据集的选取 | 第53页 |
| ·实验环境 | 第53-54页 |
| ·度量标准 | 第54-55页 |
| ·实验方案 | 第55-56页 |
| ·实验结果分析 | 第56-61页 |
| ·实验结果总结 | 第61页 |
| ·小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·进一步的工作 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-70页 |
