个性化推荐算法在汽车销售领域的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景 | 第9-10页 |
| ·研究现状 | 第10-13页 |
| ·个性化推荐算法的研究现状 | 第10-12页 |
| ·现有推荐算法在汽车销售中存在的问题 | 第12-13页 |
| ·研究意义与目的 | 第13-14页 |
| ·研究意义 | 第13页 |
| ·研究目的 | 第13-14页 |
| ·研究内容 | 第14页 |
| ·论文组织结构 | 第14-16页 |
| 第2章 个性化推荐算法及相关技术概述 | 第16-30页 |
| ·推荐系统概述 | 第16页 |
| ·常用推荐算法及对比 | 第16-20页 |
| ·协同过滤推荐算法 | 第20-27页 |
| ·协同过滤推荐算法概述 | 第20-23页 |
| ·常用协同过滤推荐算法 | 第23-26页 |
| ·协同过滤算法面临的主要问题及对策 | 第26-27页 |
| ·情境感知研究综述 | 第27-29页 |
| ·情境感知相关理论 | 第27-28页 |
| ·情境感知推荐技术 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 对新用户的汽车销售个性化推荐算法 | 第30-43页 |
| ·问题的提出 | 第30-31页 |
| ·模型的构建 | 第31页 |
| ·个性化情境的分类 | 第31-33页 |
| ·个性化情境描述 | 第32页 |
| ·基于情境的用户分类 | 第32-33页 |
| ·基于社会网络的用户评级 | 第33-39页 |
| ·用户商品矩阵的构建 | 第33-37页 |
| ·用户评级模型 | 第37-38页 |
| ·相似性计算 | 第38-39页 |
| ·专家意见 | 第39页 |
| ·汽车属性描述 | 第39页 |
| ·生成专家意见 | 第39页 |
| ·实验结果及分析 | 第39-42页 |
| ·实验数据集及实验设计 | 第39-41页 |
| ·实验结果及讨论 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 对老用户的汽车销售个性化推荐算法 | 第43-50页 |
| ·问题的提出 | 第43-44页 |
| ·模型的构建 | 第44页 |
| ·基于用户评分和浏览信息的混合协同过滤推荐模型 | 第44-47页 |
| ·基于浏览车型信息分类 | 第44页 |
| ·用户满意度计算 | 第44-46页 |
| ·用户相似性计算 | 第46-47页 |
| ·实验结果及分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| ·主要工作和创新点 | 第50页 |
| ·未来工作展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间所开展的科研项目和发表的学术论文 | 第58页 |
