基于电商评论的个性化产品推荐系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与问题提出 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.2.3 文献综述小结 | 第12-13页 |
| 1.3 研究内容与结构 | 第13-15页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 组织架构 | 第13-15页 |
| 第2章 电商推荐相关知识 | 第15-23页 |
| 2.1 个性化推荐研究 | 第15-19页 |
| 2.1.1 Item-based协同过滤 | 第15-16页 |
| 2.1.2 User-based协同过滤 | 第16-17页 |
| 2.1.3 两种推荐算法对比 | 第17-18页 |
| 2.1.4 基于内容的推荐 | 第18页 |
| 2.1.5 混合推荐方法 | 第18-19页 |
| 2.2 相似性计算 | 第19页 |
| 2.3 文本处理 | 第19-21页 |
| 2.3.1 文本预处理 | 第20-21页 |
| 2.3.2 特征值提取 | 第21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 基于电商评论的推荐算法研究 | 第23-42页 |
| 3.1 信息采集 | 第23-27页 |
| 3.2 数据预处理 | 第27-30页 |
| 3.2.1 中文分词 | 第27-28页 |
| 3.2.2 特征值提取 | 第28-30页 |
| 3.3 相似度计算 | 第30-32页 |
| 3.3.1 基于用户评分相似度计算 | 第30-31页 |
| 3.3.2 基于用户评论情感评分的相似度计算 | 第31页 |
| 3.3.3 基于时序的相似度计算 | 第31-32页 |
| 3.3.4 综合相似度计算 | 第32页 |
| 3.4 提出的协同过滤推荐算法 | 第32-33页 |
| 3.5 实验及结果分析 | 第33-41页 |
| 3.5.1 实验准备 | 第33-35页 |
| 3.5.2 实验设计 | 第35页 |
| 3.5.3 参数选择 | 第35-36页 |
| 3.5.4 评价标准 | 第36-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 个性化推荐系统的设计与实现 | 第42-53页 |
| 4.1 系统架构设计 | 第42-43页 |
| 4.2 信息采集模块 | 第43-46页 |
| 4.3 数据预处理 | 第46-47页 |
| 4.4 推荐模块 | 第47-49页 |
| 4.5 系统实现界面 | 第49-52页 |
| 4.6 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 个人简历 | 第60页 |
