基于时间效应的农产品推荐系统研究与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 农产品电子商务国内外发展现状 | 第15-16页 |
| 1.2.2 推荐系统国内外研究现状 | 第16-17页 |
| 1.3 研究内容与技术路线 | 第17-18页 |
| 1.3.1 研究内容 | 第17页 |
| 1.3.2 技术路线 | 第17-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第二章 推荐系统及其相关理论 | 第20-32页 |
| 2.1 推荐系统基本概念 | 第20页 |
| 2.2 常用的的推荐技术 | 第20-25页 |
| 2.2.1 基于内容的推荐 | 第20-22页 |
| 2.2.2 基于协同过滤的推荐 | 第22-24页 |
| 2.2.3 基于关联规则的推荐 | 第24-25页 |
| 2.3 相似度计算 | 第25-26页 |
| 2.3.1 余弦相似度 | 第25-26页 |
| 2.3.2 皮尔逊相似度 | 第26页 |
| 2.3.3 改进的余弦相似度 | 第26页 |
| 2.4 推荐系统评估 | 第26-31页 |
| 2.4.1 推荐系统的实验方法 | 第26-28页 |
| 2.4.2 推荐系统的评测指标 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 推荐系统的动态性分析 | 第32-39页 |
| 3.1 时间效应对用户兴趣的影响 | 第32-35页 |
| 3.1.1 艾宾浩斯遗忘曲线 | 第32-33页 |
| 3.1.2 用户的短期与长期兴趣 | 第33-35页 |
| 3.2 时间效应对商品流行度的影响 | 第35-37页 |
| 3.2.1 商品时间属性的有效性 | 第35页 |
| 3.2.2 商品流行度与季节效应 | 第35-37页 |
| 3.3 本章小结 | 第37-39页 |
| 第四章 基于时间效应的协同过滤算法 | 第39-45页 |
| 4.1 传统的协同过滤算法 | 第39-41页 |
| 4.2 改进的协同过滤算法 | 第41-44页 |
| 4.2.1 用户兴趣度动态加权函数 | 第41-42页 |
| 4.2.2 商品流行度动态加权函数 | 第42-43页 |
| 4.2.3 改进的商品相似性算法 | 第43-44页 |
| 4.2.4 改进的预测推荐算法 | 第44页 |
| 4.2.5 算法流程 | 第44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 实验设计及结果分析 | 第45-52页 |
| 5.1 数据集 | 第45-47页 |
| 5.1.1 数据采集 | 第45-46页 |
| 5.1.2 数据处理 | 第46-47页 |
| 5.2 实验评价指标 | 第47-48页 |
| 5.3 实验过程及结果分析 | 第48-51页 |
| 5.3.1 权重参数确定 | 第48-50页 |
| 5.3.2 对比实验 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 农产品推荐系统的设计与实现 | 第52-65页 |
| 6.1 系统概述 | 第52页 |
| 6.2 需求分析 | 第52-54页 |
| 6.2.1 用户功能需求 | 第52-53页 |
| 6.2.2 管理员功能需求 | 第53-54页 |
| 6.3 系统设计 | 第54-59页 |
| 6.3.1 推荐系统构架设计 | 第54页 |
| 6.3.2 系统前台功能设计 | 第54-55页 |
| 6.3.3 系统后台功能设计 | 第55-56页 |
| 6.3.4 数据库设计 | 第56-59页 |
| 6.4 系统实现 | 第59-64页 |
| 6.4.1 推荐流程 | 第59-60页 |
| 6.4.2 用户登陆、注册 | 第60-61页 |
| 6.4.3 系统首页 | 第61页 |
| 6.4.4 商品展示 | 第61-62页 |
| 6.4.5 商品推荐 | 第62-63页 |
| 6.4.6 购物车 | 第63页 |
| 6.4.7 我的评价 | 第63-64页 |
| 6.5 本章小结 | 第64-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 7.1 工作总结与分析 | 第65-66页 |
| 7.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 作者简介 | 第70页 |
