电子商务个性化推荐系统研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·选题背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·协同过滤系统的国外研究现状 | 第12-13页 |
| ·协同过滤系统的国内研究现状 | 第13-14页 |
| ·研究内容与论文结构 | 第14-15页 |
| ·创新之处 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第二章 电子商务个性化推荐系统 | 第16-29页 |
| ·电子商务个性化推荐系统的概论 | 第16-19页 |
| ·个性化服务 | 第17页 |
| ·推荐算法 | 第17-18页 |
| ·电子商务个性化推荐系统的意义 | 第18-19页 |
| ·电子商务个性化推荐系统的架构 | 第19-21页 |
| ·输入模块 | 第20页 |
| ·输出模块 | 第20-21页 |
| ·推荐算法模块 | 第21页 |
| ·电子商务个性化推荐系统的分类 | 第21-26页 |
| ·协同过滤推荐系统 | 第21页 |
| ·基于内容的推荐系统 | 第21-23页 |
| ·混合推荐系统 | 第23-24页 |
| ·基于推荐结果的混合推荐技术 | 第24页 |
| ·基于推荐算法的混合推荐技术 | 第24页 |
| ·基于网络结构的推荐系统 | 第24-25页 |
| ·其他推荐系统 | 第25-26页 |
| ·总结 | 第26页 |
| ·电子商务个性化推荐系统的评价指标 | 第26-28页 |
| ·精确度 | 第27-28页 |
| ·用户满意度 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第三章 协同过滤推荐算法的研究 | 第29-45页 |
| ·协同过滤算法的概论 | 第29-33页 |
| ·用户评估矩阵 | 第30-31页 |
| ·相似性计算 | 第31-32页 |
| ·预测打分 | 第32-33页 |
| ·协同过滤算法的分类 | 第33-38页 |
| ·基于记忆的协同过滤推荐算法 | 第34-37页 |
| ·基于用户的协同过滤推荐算法 | 第35-36页 |
| ·基于项目的协同过滤推荐算法 | 第36-37页 |
| ·基于模型的协同过滤推荐算法 | 第37-38页 |
| ·协同过滤算法的问题分析 | 第38-44页 |
| ·稀疏性问题 | 第38-40页 |
| ·冷启动问题 | 第40-42页 |
| ·安全性问题 | 第42-43页 |
| ·其它问题 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 团购系统的设计与实现 | 第45-62页 |
| ·项目需求分析 | 第45-52页 |
| ·团购平台子系统 | 第46-51页 |
| ·积分客户端 | 第51-52页 |
| ·团购平台子系统的设计 | 第52-56页 |
| ·数据层 | 第53-55页 |
| ·业务层 | 第55-56页 |
| ·表现层 | 第56页 |
| ·团购平台子系统的实现 | 第56-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 推荐子系统的设计与实现 | 第62-77页 |
| ·改进的协同过滤推荐算法 | 第62-67页 |
| ·用户评估矩阵的改进 | 第62-63页 |
| ·相似性计算改进 | 第63-65页 |
| ·新项目问题的研究 | 第65-67页 |
| ·推荐子系统的实现 | 第67-71页 |
| ·实验分析 | 第71-76页 |
| ·实验数据和环境 | 第71-72页 |
| ·实验方案 | 第72-73页 |
| ·实验结果分析 | 第73-76页 |
| ·本章小结 | 第76-77页 |
| 第六章 总结和展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
