| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景及意义 | 第7-9页 |
| ·研究背景 | 第7-8页 |
| ·研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·传统电子商务推荐系统的主要问题 | 第11页 |
| ·论文研究内容 | 第11-13页 |
| 第二章 电子商务推荐技术介绍 | 第13-27页 |
| ·电子商务推荐系统 | 第13-18页 |
| ·电子商务推荐系统概述 | 第13-14页 |
| ·传统推荐技术 | 第14-18页 |
| ·案例推理技术 | 第18-21页 |
| ·案例推理的概述 | 第18页 |
| ·案例推理关键技术 | 第18-21页 |
| ·WEB日志挖掘技术 | 第21-27页 |
| ·web日志挖掘的概述 | 第21-22页 |
| ·web日志挖掘步骤 | 第22-27页 |
| 第三章 基于CBR和WEB日志挖掘的电子商务推荐系统研究 | 第27-41页 |
| ·CBR和WEB日志挖掘技术的引入 | 第27-30页 |
| ·电子商务提供必要条件 | 第27页 |
| ·CBR与电子商务推荐系统 | 第27-28页 |
| ·Web日志挖掘与电子商务推荐系统 | 第28-30页 |
| ·系统设计 | 第30-33页 |
| ·系统实现目标 | 第30页 |
| ·系统架构 | 第30-33页 |
| ·系统流程 | 第33-38页 |
| ·系统流程描述 | 第33-35页 |
| ·系统流程模拟 | 第35-38页 |
| ·基于CBR和WEB日志挖掘的电子商务推荐系统的优越性 | 第38-41页 |
| 第四章 推荐技术优化与改进 | 第41-51页 |
| ·用户兴趣建模 | 第41-45页 |
| ·产品信息模型 | 第41-42页 |
| ·用户信息模型 | 第42-43页 |
| ·用户兴趣模型 | 第43-45页 |
| ·基于商品类的用户聚类 | 第45-46页 |
| ·基于商品类的案例组织 | 第46-48页 |
| ·面向对象的案例表示 | 第46-47页 |
| ·基于商品类的案例索引组织 | 第47-48页 |
| ·案例检索优化 | 第48-51页 |
| ·检索策略 | 第48页 |
| ·匹配算法 | 第48-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·进一步的工作 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 在读硕士期间研究成果 | 第59页 |