| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-17页 |
| ·研究背景 | 第9-11页 |
| ·研究现状 | 第11-14页 |
| ·团购网站发展现状 | 第11-12页 |
| ·电子商务推荐系统研究现状 | 第12-13页 |
| ·协同过滤算法研究现状 | 第13-14页 |
| ·本文的研究内容和研究方法 | 第14-15页 |
| ·主要研究内容 | 第14-15页 |
| ·主要研究方法 | 第15页 |
| ·论文结构及创新点 | 第15-17页 |
| ·论文结构 | 第15-16页 |
| ·创新点 | 第16-17页 |
| 2 相关理论 | 第17-23页 |
| ·主要的推荐技术 | 第17-20页 |
| ·推荐技术比较 | 第20页 |
| ·推荐技术的评价指标 | 第20-23页 |
| 3 基于协同过滤算法的双重推荐模型的建立 | 第23-37页 |
| ·协同过滤算法的深入研究 | 第23-28页 |
| ·User-Based协同过滤算法 | 第23-26页 |
| ·Item-Based协同过滤算法 | 第26-27页 |
| ·User-Based与Item-Based协同过滤算法的比较 | 第27-28页 |
| ·协同过滤算法在团购应用中存在的问题 | 第28-30页 |
| ·问题解决方案的研究 | 第30-31页 |
| ·基于协同过滤算法的双重推荐模型 | 第31-37页 |
| ·算法的输入输出 | 第32页 |
| ·算法的过程 | 第32-34页 |
| ·算法流程图 | 第34-37页 |
| 4 团购个性化推荐系统设计 | 第37-43页 |
| ·系统框架 | 第37-40页 |
| ·推荐系统框架 | 第37-38页 |
| ·推荐系统流程 | 第38-39页 |
| ·推荐系统适用范围 | 第39-40页 |
| ·推荐系统数据管理 | 第40-41页 |
| ·推荐系统的核心组件 | 第41-43页 |
| 5 实验与数据分析 | 第43-52页 |
| ·实验方法 | 第43页 |
| ·实验数据集 | 第43-44页 |
| ·实验设计 | 第44-46页 |
| ·实验环境 | 第44页 |
| ·实验评价指标 | 第44-45页 |
| ·实验方案 | 第45-46页 |
| ·实验结果及分析 | 第46-52页 |
| ·相似性度量方法的比较 | 第46-47页 |
| ·训练集变化时算法推荐质量的比较 | 第47-49页 |
| ·稳定状态下算法推荐质量的比较 | 第49-52页 |
| 6 总结与展望 | 第52-54页 |
| ·文章总结 | 第52-53页 |
| ·研究与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 作者简历 | 第58-60页 |
| 学位论文数据集 | 第60页 |