| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-17页 |
| ·问题的研究背景和意义 | 第13-14页 |
| ·协同过滤推荐算法的研究现状 | 第14-15页 |
| ·本文的主要研究内容与组织结构 | 第15-17页 |
| ·本文组织结构 | 第16-17页 |
| 第二章 电子商务中推荐系统研究 | 第17-24页 |
| ·电子商务中推荐系统应用现状 | 第17-18页 |
| ·电子商务中推荐系统作用 | 第17页 |
| ·电子商务中推荐系统应用举例 | 第17-18页 |
| ·电子商务中推荐系统模型 | 第18-20页 |
| ·电子商务中推荐系统模型 | 第18-19页 |
| ·推荐系统的输入数据 | 第19-20页 |
| ·电子商务中推荐系统分类 | 第20-22页 |
| ·电子商务中推荐系统典型技术介绍 | 第22-23页 |
| ·协同过滤技术 | 第22页 |
| ·基于内容过滤技术 | 第22-23页 |
| ·混合的推荐系统技术 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 协同过滤推荐算法 | 第24-31页 |
| ·协同过滤推荐算法 | 第24-25页 |
| ·协同过滤推荐算法工作原理 | 第24页 |
| ·协同过滤的输入与输出 | 第24-25页 |
| ·协同过滤的优点 | 第25页 |
| ·协同过滤算法的分类 | 第25-27页 |
| ·协同过滤算法中待解决的问题 | 第27-28页 |
| ·当前解决问题的方法 | 第28-30页 |
| ·信息挖掘技术的研究 | 第28-29页 |
| ·信息获取方向的研究 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于双信息源的协同过滤算法(DISCF)研究 | 第31-44页 |
| ·DISCF算法的相关基础知识 | 第31-33页 |
| ·DISCF算法的背景 | 第31页 |
| ·DISCF算法的消费心里学基础 | 第31-32页 |
| ·DISCF算法数据准备 | 第32页 |
| ·DISCF算法流程图 | 第32-33页 |
| ·DISCF算法的实现 | 第33-36页 |
| ·构造DISCF算法的双信息源 | 第33-34页 |
| ·DISCF算法双信息源的可信度计算与推荐的形成 | 第34-35页 |
| ·DISCF算法实现过程 | 第35-36页 |
| ·DISCF算法实验设计与结果分析 | 第36-42页 |
| ·DISCF算法的实验设计 | 第36页 |
| ·DISCF算法的实验数据 | 第36-39页 |
| ·DISCF算法的实验评价标准 | 第39-40页 |
| ·DISCF算法的实验过程与结果分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 总结和展望 | 第44-46页 |
| ·本文主要工作总结 | 第44页 |
| ·进一步的研究工作 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 攻读硕士学位期间发表学术论文情况 | 第50页 |