| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-15页 |
| ·选题背景与研究意义 | 第7-8页 |
| ·国内外研究现状 | 第8-13页 |
| ·推荐系统研究现状 | 第8-12页 |
| ·复杂网络在推荐系统中的应用 | 第12-13页 |
| ·本文的主要工作与组织结构 | 第13-15页 |
| 第二章 推荐系统相关算法概述 | 第15-27页 |
| ·协同过滤推荐算法 | 第15-18页 |
| ·基于记忆的协同过滤算法 | 第15-17页 |
| ·基于模型的协同过滤算法 | 第17-18页 |
| ·基于内容的推荐算法 | 第18-19页 |
| ·混合推荐算法 | 第19-21页 |
| ·组合独立的推荐结果 | 第20页 |
| ·协同过滤中加入基于内容的推荐算法 | 第20页 |
| ·基于内容的推荐算法中加入协同过滤算法 | 第20页 |
| ·联合的基于内容推荐和协同过滤的推荐模型 | 第20-21页 |
| ·基于图的推荐算法 | 第21-25页 |
| ·复杂网络介绍 | 第21-23页 |
| ·二部图简介 | 第23页 |
| ·基于二部图的推荐算法 | 第23-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 B2C 电子商务推荐需求分析 | 第27-35页 |
| ·B2C 电子商务推荐过程描述 | 第27-28页 |
| ·B2C 电子商务推荐需求分析 | 第28-30页 |
| ·B2C 电子商务推荐中用户需求分析 | 第28-30页 |
| ·B2C 电子商务推荐中商家需求分析 | 第30页 |
| ·现有推荐技术对 B2C 电子商务推荐需求满足分析 | 第30-33页 |
| ·基于内容推荐 | 第31页 |
| ·协同过滤技术 | 第31页 |
| ·基于用户统计信息的推荐 | 第31-32页 |
| ·基于知识的推荐 | 第32页 |
| ·基于数据挖掘的推荐 | 第32页 |
| ·现有推荐技术对 B2C 电子商务推荐需求满足对比 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 基于二部图的 B2C 电子商务推荐模型 | 第35-45页 |
| ·模型的输入与输出 | 第35-37页 |
| ·输入数据 | 第36-37页 |
| ·输出数据 | 第37页 |
| ·数据预处理 | 第37-39页 |
| ·商品推荐 | 第39-40页 |
| ·推荐系统的结构 | 第40-42页 |
| ·组合式结构 | 第40-41页 |
| ·分离式结构 | 第41-42页 |
| ·基于二部图的 B2C 电子商务推荐模型模块功能分析 | 第42-44页 |
| ·离线模块 | 第42-43页 |
| ·在线模块 | 第43页 |
| ·离线模块与在线模块比较 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 基于二部图的 B2C 电子商务推荐算法 | 第45-57页 |
| ·引言 | 第45页 |
| ·聚类在基于二部图的 B2C 电子商务推荐算法中的应用 | 第45-49页 |
| ·离线的用户聚类算法 | 第45-48页 |
| ·基于聚类的二部图推荐算法 | 第48-49页 |
| ·推荐算法的评价指标 | 第49-50页 |
| ·数据验证与数据分析 | 第50-55页 |
| ·实验过程 | 第50-52页 |
| ·准确率指标实验及结果分析 | 第52-53页 |
| ·多样性指标实验及结果分析 | 第53-54页 |
| ·召回率指标实验结果及数据分析 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 第六章 总结 | 第57-59页 |
| ·本文工作总结 | 第57页 |
| ·下一步工作 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 读研期间研究成果 | 第67-68页 |
