| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 概述 | 第8-14页 |
| 1.1 选题背景 | 第8-9页 |
| 1.2 研究的目的及意义 | 第9页 |
| 1.3 国内外研究历史及现状 | 第9-11页 |
| 1.4 本课题研究的内容 | 第11页 |
| 1.5 本文结构安排 | 第11-14页 |
| 第二章 推荐系统和机器学习 | 第14-20页 |
| 2.1 推荐系统的分类 | 第14-17页 |
| 2.1.1 个性化推荐和非个性化推荐 | 第14-15页 |
| 2.1.2 基于内容过滤的推荐算法 | 第15-16页 |
| 2.1.3 基于协同过滤的推荐算法 | 第16-17页 |
| 2.2 机器学习算法 | 第17-18页 |
| 2.3 推荐系统相关性能指标 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 推荐系统框架的设计与实现 | 第20-32页 |
| 3.1 系统框架的设计 | 第20页 |
| 3.2 数据集模块 | 第20-21页 |
| 3.2.1 基本数据集类型 | 第20-21页 |
| 3.2.2 评分数据类型 | 第21页 |
| 3.2.3 正反馈数据类型 | 第21页 |
| 3.3 NAIVE BAYES推荐算法模块 | 第21-23页 |
| 3.4 KNN推荐算法模块 | 第23-25页 |
| 3.5 MATRIX FACTORIZATION推荐算法模块 | 第25-28页 |
| 3.6 SVD++推荐算法模块 | 第28-30页 |
| 3.7 推荐算法框架总体结构 | 第30-31页 |
| 3.8 本章小结 | 第31-32页 |
| 第四章 商务智能评分推荐系统平台 | 第32-48页 |
| 4.1 数据集的维护与管理 | 第32-36页 |
| 4.1.1 数据集的清洗 | 第32-33页 |
| 4.1.2 数据集辅助信息的取得 | 第33页 |
| 4.1.3 物品特性数据的取得 | 第33-34页 |
| 4.1.4 数据库设计 | 第34-36页 |
| 4.2 推荐系统服务器 | 第36-39页 |
| 4.3 数据库服务器 | 第39-40页 |
| 4.4 测试商务平台 | 第40-48页 |
| 4.4.1 MVVM模式下的平台设计 | 第41-42页 |
| 4.4.2 MVVM下的VIEWMODEL页面逻辑 | 第42-43页 |
| 4.4.3 平台整体界面设计 | 第43-48页 |
| 第五章 结束语 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 发表论文和参加科研情况 | 第54-56页 |
| 致谢 | 第56页 |