基于用户网购行为的推荐算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 研究现状 | 第13-15页 |
| 1.2.2 推荐系统技术难点 | 第15-16页 |
| 1.3 论文的主要工作 | 第16-17页 |
| 1.4 论文的组织架构 | 第17-18页 |
| 第2章 推荐算法研究成果 | 第18-27页 |
| 2.1 推荐系统应用领域 | 第18-19页 |
| 2.2 推荐算法综述 | 第19-25页 |
| 2.2.1 协同过滤推荐算法 | 第19-22页 |
| 2.2.2 基于内容的推荐算法 | 第22-24页 |
| 2.2.3 基于关联规则的推荐算法 | 第24页 |
| 2.2.4 混合推荐算法 | 第24-25页 |
| 2.3 推荐算法评价指标 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于用户网购行为特征的推荐算法 | 第27-43页 |
| 3.1 问题描述 | 第27-28页 |
| 3.2 系统模型 | 第28-29页 |
| 3.3 网购特征分析 | 第29-33页 |
| 3.3.1 用户特征 | 第30-31页 |
| 3.3.2 商品特征 | 第31-32页 |
| 3.3.3 交互特征 | 第32-33页 |
| 3.4 基于用户网购行为特征的推荐算法 | 第33-37页 |
| 3.4.1 特征筛选和组合 | 第33-35页 |
| 3.4.2 决策模型 | 第35-37页 |
| 3.5 实验结果与分析 | 第37-41页 |
| 3.5.1 实验数据 | 第37-39页 |
| 3.5.2 实验设计 | 第39-40页 |
| 3.5.3 实验分析 | 第40-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第4章 基于用户行为相似性的冷启动推荐算法 | 第43-60页 |
| 4.1 问题描述 | 第43-45页 |
| 4.2 冷启动推荐算法模型 | 第45-52页 |
| 4.2.1 用户行为模型建模 | 第45-46页 |
| 4.2.2 商品聚类分析 | 第46-47页 |
| 4.2.3 群体行为相似性分析 | 第47-50页 |
| 4.2.4 时间域分析 | 第50-51页 |
| 4.2.5 基于用户行为相似性的冷启动推荐算法 | 第51-52页 |
| 4.3 实验结果与分析 | 第52-59页 |
| 4.3.1 实验数据 | 第52-54页 |
| 4.3.2 实验设计 | 第54-55页 |
| 4.3.3 实验分析 | 第55-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 论文总结 | 第60-61页 |
| 5.2 未来展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-69页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第69页 |
