基于Web日志与聚类分析的协同过滤算法的设计与实现
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·推荐系统的发展和研究现状 | 第10-14页 |
| ·推荐系统与协同过滤 | 第10-11页 |
| ·个性化推荐系统的研究现状 | 第11-14页 |
| ·论文的主要研究工作和创新点 | 第14-15页 |
| ·论文结构 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 电子商务推荐系统研究 | 第17-29页 |
| ·推荐系统简介 | 第17-19页 |
| ·推荐系统的分类 | 第19-21页 |
| ·推荐系统的输入输出及表现形式 | 第21页 |
| ·推荐系统的关键技术 | 第21-28页 |
| ·知识工程 | 第21-22页 |
| ·基于内容的推荐方法 | 第22-23页 |
| ·协同过滤推荐方法 | 第23-25页 |
| ·混合推荐方法 | 第25-26页 |
| ·数据挖掘 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 协同过滤推荐算法的应用与分析 | 第29-40页 |
| ·协同过滤算法的思想 | 第29-30页 |
| ·协同过滤算法的分类 | 第30-33页 |
| ·基于用户的协同过滤 | 第30-32页 |
| ·基于项目的协同过滤 | 第32-33页 |
| ·基于存储的协同过滤 | 第33页 |
| ·基于模型的协同过滤 | 第33页 |
| ·协同过滤算法在个性化推荐系统中的应用 | 第33-37页 |
| ·协同过滤的实现 | 第33-36页 |
| ·协同过滤中邻居形成及相似性度量 | 第36-37页 |
| ·协同过滤算法的优缺点及现有的解决办法 | 第37-39页 |
| ·协同过算法的优点 | 第37-38页 |
| ·协同过滤算法存在的缺点及解决方法 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于WEB 日志和聚类分析的协同过滤算法 | 第40-56页 |
| ·算法的总体设计 | 第40-45页 |
| ·要实现的目的 | 第40页 |
| ·要解决的问题 | 第40-41页 |
| ·算法实现过程 | 第41-45页 |
| ·WEB 日志信息的应用 | 第45-51页 |
| ·数据清洗 | 第46页 |
| ·获取URL 集 | 第46-47页 |
| ·用户识别 | 第47-48页 |
| ·会话识别 | 第48页 |
| ·路径补充 | 第48页 |
| ·兴趣度度量 | 第48-50页 |
| ·数据格式化 | 第50-51页 |
| ·聚类的应用 | 第51-54页 |
| ·离线用户聚类算法 | 第52-54页 |
| ·在线搜索最近邻居并产生推荐 | 第54页 |
| ·改进后的算法分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 实验及分析 | 第56-63页 |
| ·实验环境及实验数据来源 | 第56-57页 |
| ·实验评价标准 | 第57-59页 |
| ·预测评价标准 | 第57-58页 |
| ·推荐结果评价标准 | 第58-59页 |
| ·实验方案及设计 | 第59页 |
| ·实验结果分析比较 | 第59-62页 |
| ·最近邻居查询效率实验 | 第59-61页 |
| ·推荐准确性实验 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·本文的主要工作 | 第63-64页 |
| ·进一步的工作 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间发表的论文 | 第70页 |
