| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-11页 |
| ·电子商务推荐系统与个性化服务 | 第6-8页 |
| ·为什么需要构建电子商务推荐系统 | 第6页 |
| ·电子商务推荐系统 | 第6-7页 |
| ·个性化信息推荐服务 | 第7-8页 |
| ·推荐系统在电子商务中的意义 | 第8-9页 |
| ·论文的研究内容和工作 | 第9-10页 |
| ·论文结构 | 第10-11页 |
| 第二章 电子商务推荐系统 | 第11-22页 |
| ·电子商务推荐系统的研究内容 | 第11-12页 |
| ·电子商务推荐系统的研究与应用现状 | 第12页 |
| ·电子商务推荐系统分类 | 第12-13页 |
| ·推荐系统的输入输出与数据表示 | 第13-15页 |
| ·电子商务推荐方法 | 第15-22页 |
| ·知识工程 | 第15-16页 |
| ·基于内容的推荐方法 | 第16页 |
| ·协同过滤推荐方法 | 第16-18页 |
| ·混合推荐方法 | 第18-19页 |
| ·数据挖掘 | 第19-22页 |
| 第三章 协同过滤推荐算法应用分析 | 第22-30页 |
| ·电子商务推荐算法分类 | 第22-23页 |
| ·协同过滤推荐算法 | 第23-27页 |
| ·User-based 协同过滤推荐算法 | 第23-25页 |
| ·Item-based 协同过滤推荐算法 | 第25-27页 |
| ·协同过滤推荐算法应用中面临的主要挑战 | 第27-30页 |
| ·User-based 协同过滤推荐算法分析 | 第27-28页 |
| ·Item-based 协同过滤推荐算法分析 | 第28-29页 |
| ·总结 | 第29-30页 |
| 第四章 User-based 协同过滤推荐算法的改进 | 第30-40页 |
| ·LSI/SVD 在协同过滤推荐中的应用 | 第30-32页 |
| ·Clustering 在协同过滤推荐算法中的应用 | 第32-33页 |
| ·改进算法的提出 | 第33-35页 |
| ·改进算法提出的原因 | 第33-35页 |
| ·改进算法的基本思想 | 第35页 |
| ·改进算法语言描述 | 第35-38页 |
| ·改进算法的表示 | 第35-36页 |
| ·改进算法的输入输出 | 第36页 |
| ·改进算法的过程 | 第36-38页 |
| ·程序流程图 | 第38-40页 |
| 第五章 协同过滤算法的仿真与测试 | 第40-54页 |
| ·数据集 | 第40-41页 |
| ·实验设计 | 第41-42页 |
| ·实验数据集的选取 | 第41页 |
| ·实验环境 | 第41页 |
| ·度量标准 | 第41-42页 |
| ·算法及其测试的编程实现 | 第42-45页 |
| ·编程实现 | 第42-43页 |
| ·实验测试方案流程 | 第43-45页 |
| ·实验结果及分析 | 第45-54页 |
| ·确定参数的敏感度 | 第46-47页 |
| ·模型尺寸的敏感度分析 | 第47-49页 |
| ·稳定状态下算法推荐质量的测试 | 第49-51页 |
| ·稳定状态与初始状态下算法推荐质量比较 | 第51-53页 |
| ·结论 | 第53-54页 |
| 第六章 总结 | 第54-56页 |
| ·本文的工作 | 第54页 |
| ·进一步的工作 | 第54-56页 |
| 附录1 国外研究性推荐系统与研究论文的分析 | 第56-58页 |
| 附录2 国外著名电子商务网站推荐系统的应用现状 | 第58-60页 |
| 附录3 实验部分源代码 | 第60-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68-69页 |
| 论文独创性声明 | 第69-70页 |
| 论文使用授权声明 | 第70-71页 |