首页--经济论文--贸易经济论文--中国国内贸易经济论文--商品流通论文--电子贸易、网上贸易论文

基于用户兴趣的MC协同过滤推荐方法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-18页
    1.1 研究背景及意义第10-11页
        1.1.1 研究背景第10页
        1.1.2 研究目的及意义第10-11页
    1.2 国内外研究现状第11-15页
        1.2.1 国外研究现状第11-13页
        1.2.2 国内研究现状第13-15页
        1.2.3 评述第15页
    1.3 研究内容和方法第15-18页
        1.3.1 研究内容第15-16页
        1.3.2 研究方法第16-17页
        1.3.3 技术路线第17-18页
第2章 MC用户兴趣模型及协同过滤推荐过程第18-24页
    2.1 MC内涵及特征分析第18-19页
        2.1.1 MC内涵第18页
        2.1.2 MC特征第18-19页
        2.1.3 MC用户特点第19页
    2.2 MC用户兴趣影响因素分析第19-21页
        2.2.1 MC用户兴趣内涵第19-20页
        2.2.2 MC用户兴趣影响因素维度第20-21页
    2.3 MC用户兴趣模型构建第21-22页
    2.4 基于用户兴趣的MC协同过滤推荐过程第22-23页
    2.5 本章小结第23-24页
第3章 基于用户兴趣的MC用户聚类方法第24-30页
    3.1 基于改进K-means的MC用户聚类过程第24页
    3.2 加权的Slope One用户兴趣模型评分数据填充第24-26页
    3.3 基于萤火虫改进的K-means初始聚类中心的选取第26-29页
        3.3.1 距离度量的改进第27页
        3.3.2 初始聚类中心选取的改进第27-29页
    3.4 移动电子商务用户聚类结果第29页
    3.5 本章小结第29-30页
第4章 基于用户兴趣的MC用户多维相似性计量与推荐集成第30-35页
    4.1 基于用户兴趣多维相似性计算的推荐流程第30-31页
    4.2 MC用户多维相似度计算第31-33页
        4.2.1 用户特征维度相似性第31页
        4.2.2 项目特征维度相似性第31-32页
        4.2.3 情境特征维度相似性第32-33页
    4.3 基于MC用户多维相似性计算的推荐集合生成第33-34页
        4.3.1 邻居用户集合生成第33-34页
        4.3.2 推荐结果生成第34页
    4.4 本章小结第34-35页
第5章 实证研究第35-48页
    5.1 蚂蜂窝旅游网简介第35-36页
    5.2 蚂蜂窝旅游网站用户兴趣特征选取第36-38页
        5.2.1 旅游用户特征维度第36-37页
        5.2.2 旅游景点特征维度第37页
        5.2.3 旅游情境特征维度第37-38页
    5.3 基于用户兴趣的旅游用户聚类第38-43页
        5.3.1 基于加权的Slope One用户兴趣评分数据填充第38-41页
        5.3.2 基于萤火虫改进的K-means用户聚类第41-43页
    5.4 基于用户兴趣的协同过滤旅游景点推荐第43-47页
        5.4.1 旅游用户多维相似性计算及邻居用户生成第43-44页
        5.4.2 评分预测及推荐结果生成第44-45页
        5.4.3 推荐质量检验第45-47页
    5.5 本章小节第47-48页
结论第48-49页
参考文献第49-55页
攻读学位期间发表的学术论文第55-56页
致谢第56页

论文共56页,点击 下载论文
上一篇:YD公司商业模式选择及实施策略
下一篇:复合材料管件编织—缠绕—拉挤工艺研究与优化