首页--经济论文--经济计划与管理论文--经济计算、经济数学方法论文--经济数学方法论文

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

论文共120页,点击 下载论文
上一篇:中国股票市场异象的特征及其与股票型基金风格漂移的关系研究
下一篇:基于动态均衡理论的山东区域经济发展战略研究