电子商务协同过滤推荐质量影响因素及其改进机制研究
中文摘要 | 第1-4页 |
ABSTRACT | 第4-9页 |
第一章 绪论 | 第9-18页 |
·引言 | 第9-10页 |
·电子商务推荐现阶段问题 | 第10-11页 |
·本文的研究意义及主要工作 | 第11-16页 |
·本文的研究意义 | 第11-12页 |
·本文的主要工作 | 第12-15页 |
·本课题研究的基本思路与研究方法 | 第15-16页 |
·本文的组织结构 | 第16-18页 |
第二章 电子商务推荐及其相关技术评析 | 第18-41页 |
·国内外研究现状 | 第18-22页 |
·基础评价数据的完整性研究现状 | 第18-19页 |
·推荐方法研究现状 | 第19-21页 |
·计算复杂度研究现状 | 第21-22页 |
·基于内容的推荐 | 第22-23页 |
·基于内容推荐基本思想 | 第22页 |
·基于内容推荐过程 | 第22-23页 |
·协同过滤推荐 | 第23-29页 |
·协同过滤技术分类 | 第24页 |
·基于用户的协同过滤 | 第24-27页 |
·基于项目的协同过滤 | 第27-28页 |
·协同过滤推荐技术的优缺点 | 第28-29页 |
·混合推荐 | 第29-30页 |
·基于关联规则的推荐 | 第30-33页 |
·Web数据挖掘与电子商务推荐 | 第33-38页 |
·隐性数据挖掘 | 第35-36页 |
·隐性评价数据的处理 | 第36-38页 |
·其它推荐方法 | 第38-39页 |
·推荐相关技术评析 | 第39-41页 |
第三章 基于Vague集理论的产品分类树 | 第41-56页 |
·Vague集相关理论介绍 | 第41-44页 |
·Vague集相关理论产生背景 | 第41页 |
·Vague集理论的基本思想 | 第41-44页 |
·Vague集理论与电子商务推荐 | 第44页 |
·产品特征的提取与表示 | 第44-46页 |
·产品特征的提取 | 第44-45页 |
·项目特征的Vague值表示 | 第45-46页 |
·相似产品聚类 | 第46-51页 |
·常用聚类算法比较 | 第46-49页 |
·聚类原理与过程 | 第49-51页 |
·生成产品分类树 | 第51-55页 |
·客户兴趣与种子类 | 第51页 |
·产品分类树的生成 | 第51-54页 |
·种子类的预设 | 第54-55页 |
·项目分类结构图 | 第55-56页 |
第四章 神经网络聚类与预测补值处理 | 第56-83页 |
·神经网络基本原理 | 第56-58页 |
·SOM与RBF的聚类与预测 | 第58-60页 |
·SOM神经网络的相似用户聚类 | 第60-66页 |
·SOM聚类算法 | 第60-66页 |
·利用SOM对评价矩阵进行预聚类 | 第66-74页 |
·SOM聚类过程 | 第66-68页 |
·Matlab实现 | 第68-74页 |
·RBF神经网络预测补值 | 第74-77页 |
·RBF神经网络 | 第74-76页 |
·网络的训练与设计 | 第76-77页 |
·RBF神经网络预测补值处理 | 第77-83页 |
·RBF神经网络预测补值过程 | 第77-78页 |
·Matlab实验及分析 | 第78-83页 |
第五章 协同过滤聚类及推荐的实施 | 第83-93页 |
·相似用户的聚类 | 第83-86页 |
·利用K-均值聚类算法对种子类内相似用户聚类 | 第83-86页 |
·推荐的实施 | 第86-93页 |
·本文推荐实施的流程 | 第86页 |
·鉴定最积极与最消极邻居 | 第86-87页 |
·关联规则挖掘 | 第87-92页 |
·推荐结果集的生成 | 第92-93页 |
第六章 推荐质量实验分析及评价 | 第93-103页 |
·实验度量指标 | 第93-94页 |
·召回率与精度 | 第93-94页 |
·F-相关检测、MAE-平均绝对误差 | 第94页 |
·实验方案 | 第94页 |
·实验过程 | 第94-103页 |
·实验基本内容 | 第95-99页 |
·MAE-平均绝对误差分析 | 第99-100页 |
·计算复杂度分析 | 第100-103页 |
第七章 结论与展望 | 第103-107页 |
·本文主要内容 | 第103页 |
·本文创新点 | 第103-104页 |
·展望 | 第104-107页 |
参考文献 | 第107-119页 |
附录 2 发表论文及科研情况 | 第119-120页 |
致谢 | 第120页 |