| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-11页 |
| ·课题背景和研究意义 | 第8-9页 |
| ·论文结构 | 第9-10页 |
| ·本文工作 | 第10-11页 |
| 2 电子商务推荐系统综述 | 第11-21页 |
| ·电子商务推荐系统概念 | 第11-12页 |
| ·信息过载与信息过滤 | 第11页 |
| ·概念 | 第11-12页 |
| ·现有推荐系统 | 第12页 |
| ·推荐系统分类 | 第12-13页 |
| ·电子商务推荐系统的组成 | 第13-15页 |
| ·推荐系统的输入 | 第13-14页 |
| ·推荐系统的输出 | 第14-15页 |
| ·推荐方法 | 第15页 |
| ·推荐系统的评价指标 | 第15-17页 |
| ·推荐质量 | 第15-17页 |
| ·统计推荐精度 | 第15-16页 |
| ·决策支持精度 | 第16-17页 |
| ·推荐扩展性 | 第17页 |
| ·电子商务推荐系统的研究内容 | 第17-18页 |
| ·电子商务推荐系统的国内外研究现状 | 第18-20页 |
| ·国内研究现状 | 第19页 |
| ·国外研究现状 | 第19-20页 |
| ·小结 | 第20-21页 |
| 3 电子商务推荐算法介绍 | 第21-29页 |
| ·电子商务推荐算法概述 | 第21页 |
| ·电子商务推荐算法分类 | 第21页 |
| ·常用的电子商务推荐算法 | 第21-28页 |
| ·基于关联规则的推荐算法 | 第22-23页 |
| ·基于内容的推荐算法 | 第23页 |
| ·协同过滤推荐算法 | 第23-28页 |
| ·基于用户(User-based)的协同过滤推荐算法 | 第24-25页 |
| ·基于项目(Item-based)的协同过滤推荐算法 | 第25-27页 |
| ·协同过滤推荐算法优、缺点 | 第27-28页 |
| ·协同过滤推荐改进算法研究现状 | 第28页 |
| ·小结 | 第28-29页 |
| 4 基于项目特征模型的协同过滤推荐算法 | 第29-37页 |
| ·协同过滤推荐系统中的稀疏性问题 | 第29页 |
| ·传统的Item-based协同过滤算法 | 第29-30页 |
| ·基于项目特征模型的协同过滤推荐算法 | 第30-34页 |
| ·推荐模型的总体框架 | 第30-31页 |
| ·构造项目的特征相似性模型 | 第31-32页 |
| ·形成目标项的最近邻居 | 第32-34页 |
| ·产生推荐结果 | 第34页 |
| ·核心算法设计 | 第34-36页 |
| ·小结 | 第36-37页 |
| 5 试验设计和结果分析 | 第37-44页 |
| ·试验目的 | 第37页 |
| ·试验数据集和试验环境 | 第37-39页 |
| ·试验数据集 | 第37-39页 |
| ·试验环境 | 第39页 |
| ·试验评价标准 | 第39页 |
| ·试验方案 | 第39-40页 |
| ·试验结果与分析 | 第40-43页 |
| ·小结 | 第43-44页 |
| 6 总结与展望 | 第44-46页 |
| ·本文总结 | 第44页 |
| ·进一步的研究工作 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录 | 第51页 |