摘要 | 第3-4页 |
Abstract | 第4页 |
第1章 绪论 | 第8-14页 |
1.1 研究背景 | 第8-9页 |
1.2 国内外研究现状 | 第9-10页 |
1.2.1 国内研究现状 | 第9页 |
1.2.2 国外研究现状 | 第9-10页 |
1.3 研究目的和意义 | 第10-11页 |
1.4 研究内容和组织结构 | 第11-12页 |
1.5 本章小结 | 第12-14页 |
第2章 电子商务个性化推荐技术介绍 | 第14-28页 |
2.1 推荐系统研究内容 | 第14-15页 |
2.2 几种主流的推荐方式 | 第15-18页 |
2.2.1 基于内容的推荐方式 | 第15页 |
2.2.2 协同过滤的推荐方式 | 第15-17页 |
2.2.3 基于知识的推荐方式 | 第17页 |
2.2.4 组合推荐的方式 | 第17-18页 |
2.3 基于应用的推荐技术分类 | 第18页 |
2.3.1 非个性化的推荐技术 | 第18页 |
2.3.2 基于属性的推荐技术 | 第18页 |
2.3.3 物品关联式推荐 | 第18页 |
2.3.4 人物关联式推荐 | 第18页 |
2.4 数据挖掘技术在推荐系统中的应用 | 第18-24页 |
2.4.1 数据挖掘技术介绍 | 第19页 |
2.4.2 数据挖掘的方法 | 第19-22页 |
2.4.3 数据挖掘的研究领域 | 第22-24页 |
2.5 B2C 网上商城网站若干推荐技术的选择 | 第24-26页 |
2.5.1 基于内容的推荐技术 | 第24-25页 |
2.5.2 基于用户统计信息的推荐 | 第25页 |
2.5.3 基于知识及效用的推荐技术 | 第25页 |
2.5.4 协同过滤和关联规则推荐 | 第25-26页 |
2.6 本章小结 | 第26-28页 |
第3章 推荐系统的需求分析及系统设计 | 第28-38页 |
3.1 需求分析 | 第28-31页 |
3.2 网上商城推荐系统的整体架构设计 | 第31-35页 |
3.2.1 推荐系统的功能分析和模块划分 | 第31-34页 |
3.2.2 推荐系统的体系架构的设计 | 第34页 |
3.2.3 推荐系统的网络拓扑结构 | 第34-35页 |
3.3 本章小结 | 第35-38页 |
第4章 推荐系统的推荐算法的研究 | 第38-54页 |
4.1 关联规则的基本概念 | 第38-40页 |
4.1.1 基本概念和问题描述 | 第38-39页 |
4.1.2 关联规则的总类 | 第39-40页 |
4.2 关联规则挖掘的经典算法及其分析 | 第40-48页 |
4.2.1 APRIORI 算法的思想 | 第40-41页 |
4.2.2 APRIORI 算法的流程 | 第41-44页 |
4.2.3 强关联规则的生成 | 第44页 |
4.2.4 现有的几种 APRIORI 算法的分析 | 第44-48页 |
4.3 本研究对 APRIORI 算法的改进 | 第48-52页 |
4.3.1 APRIORI 算法存在的问题 | 第48页 |
4.3.2 对 APRIORI 算法的改进 | 第48-51页 |
4.3.3 APRIORI 改进算法的性能分析 | 第51页 |
4.3.4 本研究 APRIORI 改进算法的优点 | 第51-52页 |
4.4 本章小结 | 第52-54页 |
第5章 个性化推荐系统的实现 | 第54-64页 |
5.1 个性化推荐系统功能模块的详细设计 | 第54-61页 |
5.1.1 用户接口模块的实现 | 第54-57页 |
5.1.2 管理员接口模块的实现 | 第57-61页 |
5.2 个性化推荐系统中推荐功能的详细设计 | 第61-63页 |
5.3 本章小结 | 第63-64页 |
第6章 系统测试 | 第64-76页 |
6.1 推荐系统平台的搭建 | 第64页 |
6.2 推荐系统功能测试 | 第64-73页 |
6.2.1 测试目的 | 第64-65页 |
6.2.2 测试过程 | 第65-73页 |
6.3 推荐系统性能测试 | 第73-75页 |
6.3.1 性能测试的设计 | 第73页 |
6.3.2 性能测试的结果 | 第73-75页 |
6.4 测试结果分析 | 第75页 |
6.5 本章小结 | 第75-76页 |
第7章 工作总结和展望 | 第76-80页 |
7.1 总结 | 第76-77页 |
7.2 展望 | 第77-78页 |
7.3 本章小结 | 第78-80页 |
致谢 | 第80-82页 |
参考文献 | 第82-86页 |