基于聚类的商品推荐算法的研究与应用
| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文的主要工作和结构安排 | 第15-17页 |
| 1.4 本章小结 | 第17-18页 |
| 2 商品推荐算法与数据分析方法研究 | 第18-32页 |
| 2.1 基于内容的商品推荐 | 第18-22页 |
| 2.1.1 产品表示 | 第18-19页 |
| 2.1.2 用户喜好学习 | 第19-20页 |
| 2.1.3 生成推荐 | 第20页 |
| 2.1.4 基于内容的推荐的优缺点 | 第20-22页 |
| 2.2 协同过滤推荐算法 | 第22-28页 |
| 2.2.1 相似度计算方法 | 第22-24页 |
| 2.2.2 预测评分计算方法 | 第24-26页 |
| 2.2.3 协同过滤面临的问题和挑战 | 第26-28页 |
| 2.3 聚类算法 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 基于聚类的商品推荐算法的设计 | 第32-41页 |
| 3.1 基于聚类的商品推荐算法总体设计 | 第32-33页 |
| 3.2 用户聚类模块的设计 | 第33-35页 |
| 3.3 估值模块的设计 | 第35-37页 |
| 3.4 相似度计算的设计 | 第37-39页 |
| 3.5 预测评分和推荐模块的设计 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 基于聚类的商品推荐算法的实证计算 | 第41-59页 |
| 4.1 实证计算环境及推荐评估方法 | 第41-44页 |
| 4.2 矩阵稀疏度对算法准确性的影响 | 第44-47页 |
| 4.3 聚类算法K值 | 第47-51页 |
| 4.4 推荐算法的优化及性能评估 | 第51-58页 |
| 4.5 本章小结 | 第58-59页 |
| 5 结论 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第62-64页 |
| 学位论文数据集 | 第64页 |
