摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第12-23页 |
1.1 研究背景 | 第12-14页 |
1.1.1 网购用户面临的信息过载问题备受关注 | 第12-13页 |
1.1.2 电子商务推荐技术对解决信息过载问题具有重要作用 | 第13页 |
1.1.3 产品组合个性化推荐方法研究的必要性 | 第13-14页 |
1.2 问题的提出 | 第14-16页 |
1.2.1 需要给出产品组合的识别方法 | 第15页 |
1.2.2 需要给出产品组合的评分预测方法 | 第15-16页 |
1.2.3 需要给出产品组合的购买方案生成方法 | 第16页 |
1.3 研究目的与研究意义 | 第16-18页 |
1.3.1 研究目的 | 第16-17页 |
1.3.2 研究意义 | 第17-18页 |
1.4 研究内容、研究思路与研究方法 | 第18-21页 |
1.4.1 研究内容 | 第18-19页 |
1.4.2 研究思路 | 第19-20页 |
1.4.3 研究方法 | 第20-21页 |
1.5 本文章节安排 | 第21-23页 |
第2章 个性化推荐方法的相关研究文献综述 | 第23-37页 |
2.1 文献检索情况概述 | 第23-25页 |
2.1.1 文献检索范围分析 | 第23页 |
2.1.2 相关文献情况分析 | 第23-24页 |
2.1.3 学术趋势分析 | 第24-25页 |
2.2 关于个性化推荐方法 | 第25-34页 |
2.2.1 基于协同过滤的推荐方法 | 第26-28页 |
2.2.2 基于关联规则挖掘的推荐方法 | 第28-29页 |
2.2.3 基于内容的推荐方法 | 第29-31页 |
2.2.4 基于知识的推荐方法 | 第31-32页 |
2.2.5 其他推荐方法 | 第32-34页 |
2.3 已有研究成果的贡献与不足的总结 | 第34-37页 |
2.3.1 主要贡献 | 第34-35页 |
2.3.2 不足之处 | 第35页 |
2.3.3 已有研究成果对本文研究的启示 | 第35-37页 |
第3章 产品组合识别及评分预测 | 第37-45页 |
3.1 基于项目相似性的产品组合识别 | 第37-40页 |
3.1.1 项目相似性的度量 | 第37-38页 |
3.1.2 产品组合的识别 | 第38-40页 |
3.2 产品组合评分预测模型的构建 | 第40-44页 |
3.2.1 产品组合评分预测的问题描述 | 第40页 |
3.2.2 相关符号定义与说明 | 第40-41页 |
3.2.3 基于矩阵分解的产品组合评分预测模型 | 第41-42页 |
3.2.4 产品组合评分预测模型的求解 | 第42-44页 |
3.3 本章小结 | 第44-45页 |
第4章 产品组合的购买方案生成方法 | 第45-52页 |
4.1 考虑优惠策略的产品组合购买方案生成问题描述 | 第45-46页 |
4.2 产品组合购买方案优化模型的构建 | 第46-49页 |
4.2.1 相关符号定义与说明 | 第46-47页 |
4.2.2 购买方案优化模型构建过程 | 第47-49页 |
4.2.3 购买方案优化模型 | 第49页 |
4.3 购买方案优化模型的求解 | 第49-50页 |
4.4 本章小结 | 第50-52页 |
第5章 应用研究—淘宝电子商务平台图书组合个性化推荐 | 第52-69页 |
5.1 数据采集及预处理 | 第52-54页 |
5.1.1 数据的采集方法 | 第52-53页 |
5.1.2 数据描述及预处理 | 第53-54页 |
5.2 图书组合的个性化推荐 | 第54-61页 |
5.2.1 图书组合的识别 | 第54-57页 |
5.2.2 图书组合的评分预测 | 第57-60页 |
5.2.3 附有购买方案的图书组合个性化推荐 | 第60-61页 |
5.3 图书组合个性化推荐的效果评测 | 第61-67页 |
5.3.1 单本图书的评分预测准确性评测 | 第62-64页 |
5.3.2 图书组合的评分预测准确性评测 | 第64-66页 |
5.3.3 图书组合支付费用的节省率评测 | 第66-67页 |
5.4 本章小结 | 第67-69页 |
第6章 结论与展望 | 第69-73页 |
6.1 本文的主要研究成果及结论 | 第69-70页 |
6.2 本文的主要贡献 | 第70-71页 |
6.3 本文的研究局限 | 第71页 |
6.4 今后研究工作展望 | 第71-73页 |
参考文献 | 第73-82页 |
致谢 | 第82-83页 |
作者简介 | 第83-84页 |
附录:部分代码 | 第84-90页 |