推荐系统的研究及其在移动电子商务中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 推荐技术在国内外的研究与应用现状 | 第11-13页 |
| 1.2.1 推荐系统领域的研究重点 | 第11-12页 |
| 1.2.2 国外应用现状 | 第12页 |
| 1.2.3 国内应用现状 | 第12-13页 |
| 1.3 论文的主要研究内容 | 第13页 |
| 1.4 本文的章节安排 | 第13-15页 |
| 第二章 本文相关理论及技术研究 | 第15-25页 |
| 2.1 推荐系统相关技术 | 第15-23页 |
| 2.1.1 推荐系统的构成 | 第15-16页 |
| 2.1.2 基于人.统计学的推荐算法 | 第16-17页 |
| 2.1.3 基于内容的推荐算法 | 第17-18页 |
| 2.1.4 协同过滤推荐算法 | 第18-23页 |
| 2.2 推荐系统在移动电子商务中的应用研究 | 第23-24页 |
| 2.2.1 移动电子商务的特点及应用 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 推荐系统的评测 | 第25-31页 |
| 3.1 推荐系统测试方法 | 第25-27页 |
| 3.1.1 离线测试 | 第25-26页 |
| 3.1.2 在线测试 | 第26-27页 |
| 3.2 评测指标 | 第27-30页 |
| 3.2.1 准确度评价指标 | 第27-28页 |
| 3.2.2 准确度之外的指标 | 第28-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 时间信息与协同过滤推荐 | 第31-46页 |
| 4.1 协同过滤推荐算法 | 第31-34页 |
| 4.1.1 User CF算法的推荐流程 | 第31-32页 |
| 4.1.2 Item CF算法的推荐流程 | 第32-34页 |
| 4.2 时间上下文信息 | 第34-38页 |
| 4.2.1 实际生活中的时间效应 | 第34-37页 |
| 4.2.2 Netflix数据集中的时间规律 | 第37-38页 |
| 4.3 时间上下文信息的协同过滤推荐算法 | 第38-45页 |
| 4.3.1 时间上下文信息的User CF算法 | 第38-41页 |
| 4.3.2 时间上下文信息的Item CF算法 | 第41-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 时间信息的协同过滤算法的测试及建立模型 | 第46-53页 |
| 5.1 实验数据的选取以及测试方法 | 第46页 |
| 5.2 IOE-User CF算法测试 | 第46-48页 |
| 5.3 基于IOE-User CF算法的推荐模型 | 第48-49页 |
| 5.4 PC-Item CF算法测试 | 第49-50页 |
| 5.5 基于PC-Item CF算法的推荐模型 | 第50-52页 |
| 5.6 本章小结 | 第52-53页 |
| 第六章 基于移动电子商务的在线图书销售系统 | 第53-70页 |
| 6.1 系统需求 | 第53-54页 |
| 6.2 系统架构 | 第54-56页 |
| 6.3 数据持久层 | 第56-60页 |
| 6.4 系统主要功能设计 | 第60-69页 |
| 6.4.1 PC端主要功能 | 第60-65页 |
| 6.4.2 移动端主要功能 | 第65-69页 |
| 6.5 本章小结 | 第69-70页 |
| 第七章 总结与展望 | 第70-72页 |
| 7.1 本文的研究总结 | 第70-71页 |
| 7.2 本文后续工作及对未来的展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间取得的成果 | 第76-77页 |
