| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 算法背景 | 第10-11页 |
| 1.1.2 应用背景 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 研究意义 | 第13-14页 |
| 1.4 问题提出 | 第14页 |
| 1.5 本文结构 | 第14-15页 |
| 1.6 本章小结 | 第15-16页 |
| 第2章 推荐系统 | 第16-24页 |
| 2.1 推荐系统的分类 | 第16-20页 |
| 2.1.1 基于内容的推荐 | 第16-17页 |
| 2.1.2 基于知识的推荐 | 第17-18页 |
| 2.1.3 协同过滤的推荐 | 第18-19页 |
| 2.1.4 基于关联规则的推荐 | 第19-20页 |
| 2.1.5 混合推荐 | 第20页 |
| 2.2 推荐系统的解释与评价 | 第20-23页 |
| 2.2.1 推荐系统的解释 | 第21-22页 |
| 2.2.2 推荐系统的评价 | 第22-23页 |
| 2.3 推荐系统的最新进展 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 关联规则算法 | 第24-31页 |
| 3.1 关联规则的基本概念 | 第24-25页 |
| 3.2 关联规则的挖掘步骤 | 第25-26页 |
| 3.3 挖掘频繁项集的经典算法apriori算法 | 第26-29页 |
| 3.3.1 apriori算法的核心 | 第26页 |
| 3.3.2 apriori算法流程图 | 第26-27页 |
| 3.3.3 apriori算法的数据演示 | 第27-29页 |
| 3.4 由频繁项集产生强关联规则 | 第29-30页 |
| 3.5 关联规则的分类 | 第30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 决策树算法 | 第31-44页 |
| 4.1 决策树的基本概念 | 第32-33页 |
| 4.2 决策树ID3算法 | 第33-37页 |
| 4.2.1 ID3算法的流程图 | 第33-35页 |
| 4.2.2 ID3算法的数据演示 | 第35-37页 |
| 4.3 决策树C4.5 算法 | 第37-42页 |
| 4.3.1 C4.5 算法的流程图 | 第38-39页 |
| 4.3.2 C4.5 算法的数据演示 | 第39-41页 |
| 4.3.3 决策过程 | 第41-42页 |
| 4.4 决策树的剪枝 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于决策树的模糊关联规则 | 第44-54页 |
| 5.1 模糊数学介绍 | 第44-45页 |
| 5.2 模糊集合理论 | 第45-46页 |
| 5.3 模糊理论和关联规则的结合 | 第46-47页 |
| 5.4 模糊关联规则 | 第47-51页 |
| 5.4.1 模糊关联规则的概念 | 第48-49页 |
| 5.4.2 模糊关联规则的挖掘算法 | 第49-51页 |
| 5.5 基于决策树的模糊关联规则算法 | 第51-53页 |
| 5.6 本章小结 | 第53-54页 |
| 第6章 推荐系统的实现以及应用 | 第54-72页 |
| 6.1 模糊关联规则在推荐系统中的应用 | 第54-60页 |
| 6.1.1 基于模糊关联规则的推荐系统的模型 | 第54-55页 |
| 6.1.2 模糊关联规则的推荐系统的实现 | 第55-60页 |
| 6.2 基于决策树的模糊关联规则在推荐系统中的应用 | 第60-69页 |
| 6.2.1 基于决策树的模糊关联规则的推荐系统模型 | 第61-62页 |
| 6.2.2 利用C4.5 算法构建决策树 | 第62-67页 |
| 6.2.3 基于决策树的模糊关联规则算法的实现 | 第67-69页 |
| 6.3 两种推荐模型的比较分析 | 第69-70页 |
| 6.4 推荐系统模型的使用说明 | 第70-71页 |
| 6.5 本章小结 | 第71-72页 |
| 第7章 总结与展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-77页 |
| 个人简历 | 第77页 |