| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-12页 |
| 1.3 论文研究工作成果 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第二章 基础理论与关键技术 | 第14-24页 |
| 2.1 数据挖掘概述 | 第14-16页 |
| 2.1.1 数据挖掘概念 | 第14页 |
| 2.1.2 数据挖掘功能 | 第14-15页 |
| 2.1.3 数据挖掘过程 | 第15-16页 |
| 2.2 WEB数据挖掘 | 第16-19页 |
| 2.2.1 web数据挖掘概述 | 第17-18页 |
| 2.2.2 web数据挖掘过程 | 第18页 |
| 2.2.3 web数据挖掘应用 | 第18-19页 |
| 2.3 电子商务推荐系统相关技术 | 第19-23页 |
| 2.3.1 数据挖掘技术在电子商务推荐系统中的作用 | 第19页 |
| 2.3.2 基于内容的推荐算法 | 第19-20页 |
| 2.3.3 协同过滤推荐算法 | 第20-22页 |
| 2.3.4 基于关联规则的推荐算法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 结合评分时间特性的协同过滤推荐算法研究 | 第24-36页 |
| 3.1 传统协同过滤推荐算法的不足 | 第24-28页 |
| 3.1.1 协同过滤推荐算法 | 第24-25页 |
| 3.1.2 基于项目的协同过滤推荐算法 | 第25-28页 |
| 3.1.3 基于项目的协同过滤推荐算法不足之处 | 第28页 |
| 3.2 评分时间因子 | 第28-29页 |
| 3.3 集成评分时间因子的协同过滤推荐算法 | 第29-30页 |
| 3.3.1 引入时间因子 | 第29-30页 |
| 3.3.2 改进后算法的流程 | 第30页 |
| 3.4 实验及结果分析 | 第30-35页 |
| 3.4.1 实验数据及实验环境 | 第30-31页 |
| 3.4.2 检验指标 | 第31页 |
| 3.4.3 结果与分析 | 第31-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 农产品商城系统中的推荐模式设计 | 第36-48页 |
| 4.1 推荐模式概述 | 第36-37页 |
| 4.1.1 单一推荐模式 | 第36-37页 |
| 4.1.2 混合推荐模式 | 第37页 |
| 4.2 推荐系统基本架构 | 第37-38页 |
| 4.3 农产品商城系统中的推荐模式 | 第38-43页 |
| 4.3.1 农产品商城系统中的推荐需求 | 第38-40页 |
| 4.3.2 农产品商城系统中推荐模式的设计 | 第40-43页 |
| 4.4 农产品商城系统中的推荐模块架构设计 | 第43-47页 |
| 4.4.1 农产品商城系统整体架构 | 第43-45页 |
| 4.4.2 农产品商城系统中推荐模块框架设计 | 第45页 |
| 4.4.3 农产品商城系统中推荐模块业务流程设计 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 农产品商城系统中推荐模块的实现及测试 | 第48-56页 |
| 5.1 推荐模块实现 | 第48-52页 |
| 5.1.1 系统开发环境 | 第48-49页 |
| 5.1.2 数据库表 | 第49-51页 |
| 5.1.3 推荐模块的核心代码 | 第51-52页 |
| 5.2 测试结果及分析 | 第52-55页 |
| 5.2.1 用户未登录情况下的推荐结果 | 第52-53页 |
| 5.2.2 新用户的推荐结果 | 第53-54页 |
| 5.2.3 老用户的推荐结果 | 第54-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 论文总结 | 第56-57页 |
| 6.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表的论文 | 第61页 |