基于用户浏览轨迹的商品推荐方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 推荐技术冷启动问题研究现状 | 第14-17页 |
| 1.3 课题研究内容及创新点 | 第17-18页 |
| 1.4 论文组织结构 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 推荐方法相关知识 | 第19-27页 |
| 2.1 相关推荐算法 | 第19-22页 |
| 2.2 推荐算法评价指标 | 第22-23页 |
| 2.3 相似度度量方法 | 第23-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 基于浏览轨迹的商品推荐 | 第27-51页 |
| 3.1 提取用户浏览轨迹及商品特征 | 第27-32页 |
| 3.1.1 浏览轨迹提取 | 第28-31页 |
| 3.1.2 商品特征提取 | 第31-32页 |
| 3.1.3 浏览轨迹提取结果 | 第32页 |
| 3.2 基于购买转移关系的推荐方法 | 第32-39页 |
| 3.2.1 基于购买转移关系推荐方法概述 | 第33页 |
| 3.2.2 购买转移概率 | 第33-37页 |
| 3.2.3 购买转移关系矩阵 | 第37-38页 |
| 3.2.4 应用购买转移关系模型推荐方法 | 第38-39页 |
| 3.3 基于商品特征趋势的推荐方法 | 第39-49页 |
| 3.3.1 基于商品特征趋势推荐方法概述 | 第40-41页 |
| 3.3.2 商品特征及相似度 | 第41-44页 |
| 3.3.3 Markov特征趋势模型 | 第44-47页 |
| 3.3.4 更新Markov特征趋势模型 | 第47-48页 |
| 3.3.5 应用商品特征趋势推荐 | 第48-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 实验分析 | 第51-63页 |
| 4.1 实验数据与环境 | 第51-54页 |
| 4.1.1 数据集分析 | 第51-52页 |
| 4.1.2 实验环境及参数设置 | 第52-54页 |
| 4.2 实验结果分析 | 第54-61页 |
| 4.2.1 推荐长度对推荐效果影响 | 第54-55页 |
| 4.2.2 衰减度对推荐效果影响 | 第55-57页 |
| 4.2.3 与其他推荐方法比较 | 第57-59页 |
| 4.2.4 时间复杂度分析 | 第59-61页 |
| 4.3 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 课题主要成果总结 | 第63页 |
| 5.2 后续工作与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读学位期间的研究成果目录 | 第71-73页 |
| 作者及导师简介 | 第73-74页 |
| 北京化工大学硕士研究生学位论文答辩委员会决议书 | 第74-75页 |
