| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 1 绪论 | 第10-20页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外相关研究综述 | 第11-17页 |
| ·推荐技术的研究现状 | 第11-14页 |
| ·协同过滤技术的研究现状 | 第14-17页 |
| ·主要研究方法与内容安排 | 第17-19页 |
| ·本文的主要创新之处 | 第19-20页 |
| 2 电子商务推荐系统及其推荐技术 | 第20-36页 |
| ·推荐系统概述 | 第20-23页 |
| ·信息过载与信息检索、信息过滤 | 第20-22页 |
| ·推荐系统概念 | 第22-23页 |
| ·推荐与个性化推荐 | 第23页 |
| ·电子商务推荐系统概述 | 第23-25页 |
| ·电子商务推荐系统的概念 | 第23-24页 |
| ·电子商务推荐系统的作用 | 第24页 |
| ·电子商务推荐系统的分类 | 第24-25页 |
| ·电子商务推荐系统的结构 | 第25-28页 |
| ·输入功能模块 | 第25-26页 |
| ·推荐处理模块 | 第26-27页 |
| ·输出功能模块 | 第27-28页 |
| ·个性化推荐技术在电子商务推荐领域的应用分析 | 第28-35页 |
| ·基于规则的推荐技术 | 第28-31页 |
| ·基于内容过滤的推荐技术 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 3 面向电子商务推荐的协同过滤技术 | 第36-46页 |
| ·协同过滤的概念 | 第36页 |
| ·协同过滤的原理及应用 | 第36-39页 |
| ·协同过滤算法 | 第39-45页 |
| ·基于用户的协同过滤算法 | 第40-43页 |
| ·基于项目的协同过滤算法 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 4 一种新的基于项目的协同过滤算法IAPCF | 第46-54页 |
| ·传统的基于项目的协同过滤算法存在的问题 | 第46页 |
| ·一种新的协同过滤算法IAPCF | 第46-51页 |
| ·关联规则挖掘概述 | 第47-49页 |
| ·基于用户-项目评分矩阵的关联规则挖掘 | 第49-50页 |
| ·基于项目关联性的预测计算 | 第50-51页 |
| ·IAPCF算法与传统算法的对比示例 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 5 基于用户的协同过滤算法的改进 | 第54-60页 |
| ·传统相似性度量方法的缺陷 | 第54-55页 |
| ·结合IAPCF评分预测对基于用户的协同过滤算法的改进 | 第55-59页 |
| ·IAPCF-UB算法的基本思想 | 第55页 |
| ·IAPCF-UB算法的处理流程 | 第55-56页 |
| ·IAPCF-UB算法描述 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 6 IAPCF和IAPCF-UB算法的测试与效果评价 | 第60-71页 |
| ·推荐算法的效果评价 | 第60-61页 |
| ·离线评价方式 | 第60-61页 |
| ·在线评价方式 | 第61页 |
| ·数据集 | 第61-62页 |
| ·实验设计 | 第62-64页 |
| ·实验数据集处理 | 第62-63页 |
| ·实验内容 | 第63页 |
| ·实验测试方案 | 第63页 |
| ·编程实现 | 第63-64页 |
| ·实验结果及分析 | 第64-70页 |
| ·相似性度量标准比较 | 第64-65页 |
| ·IAPCF算法和传统的基于项目的协同过滤算法的推荐精度比较 | 第65-66页 |
| ·IAPCF-UB算法和传统的基于用户的协同过滤算法的推荐精度比较 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 7 总结与展望 | 第71-73页 |
| ·本文主要内容的总结 | 第71页 |
| ·研究展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 附录A | 第79-82页 |
| 附录B | 第82页 |
