电子商务个性化推荐系统中协同过滤技术及应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 1 绪论 | 第10-16页 |
| ·研究背景 | 第10-14页 |
| ·电子商务个性化推荐系统 | 第11-12页 |
| ·电子商务个性化推荐技术 | 第12-14页 |
| ·论文的研究工作 | 第14页 |
| ·论文的结构安排 | 第14-15页 |
| ·小结 | 第15-16页 |
| 2 电子商务个性化推荐系统 | 第16-28页 |
| ·电子商务个性化推荐系统的构成 | 第16-20页 |
| ·基本构成 | 第16-18页 |
| ·推荐方法模块实例 | 第18-20页 |
| ·电子商务个性化推荐系统的框架结构 | 第20-22页 |
| ·电子商务个性化推荐系统的研究内容 | 第22-24页 |
| ·电子商务个性化推荐系统中的相关技术 | 第24-27页 |
| ·数据挖掘 | 第24-25页 |
| ·数据仓库 | 第25-26页 |
| ·信息检索与信息过滤 | 第26-27页 |
| ·小结 | 第27-28页 |
| 3 电子商务个性化推荐技术 | 第28-37页 |
| ·主要推荐技术介绍 | 第29-33页 |
| ·基于用户的协同过滤推荐 | 第29-30页 |
| ·基于项目的协同过滤推荐 | 第30-31页 |
| ·基于规则的推荐 | 第31页 |
| ·基于内容的推荐 | 第31页 |
| ·基于人口统计信息的推荐 | 第31-32页 |
| ·基于效用的推荐 | 第32页 |
| ·基于知识的推荐 | 第32-33页 |
| ·各种推荐技术特点的比较 | 第33-35页 |
| ·组合推荐技术 | 第35-36页 |
| ·小结 | 第36-37页 |
| 4 电子商务个性化推荐策略研究 | 第37-45页 |
| ·电子商务个性化推荐系统的目标 | 第37-38页 |
| ·电子商务个性化推荐系统的策略分类 | 第38-41页 |
| ·基于产品特性选择推荐策略 | 第38-39页 |
| ·基于用户特性选择推荐策略 | 第39-41页 |
| ·主要推荐策略评价 | 第41-43页 |
| ·分类浏览 | 第42页 |
| ·基于内容的检索 | 第42页 |
| ·推荐最畅销的前N 种商品 | 第42页 |
| ·推荐与用户兴趣最相关的前N 种商品 | 第42页 |
| ·其他推荐策略 | 第42-43页 |
| ·推荐策略的运用与改进 | 第43-44页 |
| ·小结 | 第44-45页 |
| 5 基于概念分层的协同过滤改进算法 | 第45-59页 |
| ·协同过滤算法 | 第45-48页 |
| ·算法描述 | 第45-47页 |
| ·存在的问题 | 第47-48页 |
| ·改进思路 | 第48-51页 |
| ·概念分层技术的引入 | 第48-50页 |
| ·社区过滤技术的引入 | 第50-51页 |
| ·基于概念分层的协同过滤改进算法 | 第51-58页 |
| ·相关符号定义 | 第51-52页 |
| ·用户模型的生成 | 第52-53页 |
| ·用户相似性计算 | 第53-55页 |
| ·top-N 推荐的产生 | 第55-57页 |
| ·算法说明 | 第57-58页 |
| ·小结 | 第58-59页 |
| 6 实验设计与结果分析 | 第59-69页 |
| ·实验数据 | 第59-60页 |
| ·实验评估标准 | 第60-61页 |
| ·实验方案 | 第61-63页 |
| ·实验结果与分析 | 第63-68页 |
| ·小结 | 第68-69页 |
| 7 结论与展望 | 第69-71页 |
| ·主要结论 | 第69-70页 |
| ·未来展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 附录：作者在攻读硕士学位期间发表的论文目录 | 第77页 |
