| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 第二章 相关理论与技术研究 | 第13-25页 |
| 2.1 电子商务用户特征数据研究 | 第13-14页 |
| 2.1.1 电子商务中的用户特征描述 | 第13页 |
| 2.1.2 电子商务用户特征数据描述 | 第13-14页 |
| 2.2 数据挖掘研究 | 第14-17页 |
| 2.2.1 数据挖掘过程 | 第14-15页 |
| 2.2.2 关联分析挖掘算法 | 第15-17页 |
| 2.3 内容推荐技术研究 | 第17-23页 |
| 2.3.1 常见的内容推荐方法 | 第18-22页 |
| 2.3.2 推荐方法分析对比 | 第22-23页 |
| 2.3.3 推荐策略 | 第23页 |
| 2.4 用户特征数据在内容推荐中的应用 | 第23-24页 |
| 2.5 内容推荐系统在电子商务中的应用 | 第24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于用户特征数据的推荐方法研究 | 第25-32页 |
| 3.1 协同过滤推荐方法 | 第25-26页 |
| 3.1.1 传统方法存在的问题 | 第25页 |
| 3.1.2 算法改进思路 | 第25-26页 |
| 3.2 结合用户特征数据的协同过滤推荐方法 | 第26-30页 |
| 3.2.1 用户特征数据定义 | 第26页 |
| 3.2.2 用户属性特征提取 | 第26-27页 |
| 3.2.3 用户喜好特征提取 | 第27-28页 |
| 3.2.4 结合用户特征的相似度计算 | 第28-29页 |
| 3.2.5 选取相似邻居 | 第29-30页 |
| 3.2.6 产生推荐 | 第30页 |
| 3.3 基于用户特征数据的关联规则推荐 | 第30-31页 |
| 3.3.1 用户实时特征数据 | 第30-31页 |
| 3.3.2 基于用户特征数据的关联规则推荐 | 第31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 内容推荐系统的研究与开发 | 第32-42页 |
| 4.1 系统需求描述 | 第32页 |
| 4.1.1 业务需求 | 第32页 |
| 4.1.2 功能需求 | 第32页 |
| 4.2 系统设计 | 第32-35页 |
| 4.2.1 系统整体架构 | 第33-34页 |
| 4.2.2 系统流程设计 | 第34-35页 |
| 4.2.3 系统功能模块设计 | 第35页 |
| 4.3 内容推荐系统设计与实现 | 第35-41页 |
| 4.3.1 数据预处理模块 | 第35-37页 |
| 4.3.2 基于用户特征数据的协同过滤推荐模块设计 | 第37-38页 |
| 4.3.3 基于用户特征数据的协同过滤推荐实现 | 第38-39页 |
| 4.3.4 基于用户特征数据的关联规则推荐设计 | 第39-40页 |
| 4.3.5 基于用户特征数据的关联规则推荐实现 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 实验与结果分析 | 第42-50页 |
| 5.1 实验背景 | 第42-44页 |
| 5.1.1 实验环境 | 第42页 |
| 5.1.2 实验数据 | 第42-43页 |
| 5.1.3 实验评估标准 | 第43-44页 |
| 5.2 实验方案 | 第44页 |
| 5.3 结果分析 | 第44-49页 |
| 5.3.1 推荐算法分析 | 第44-46页 |
| 5.3.2 应用推荐效果分析 | 第46-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 全文总结 | 第50页 |
| 6.2 下一步工作展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 在学期间的研究成果 | 第54-55页 |
| 致谢 | 第55页 |