| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景、目的与意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究目的与意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 技术路线及主要研究内容 | 第16-19页 |
| 1.3.1 技术路线 | 第16-17页 |
| 1.3.2 论文主要内容及框架 | 第17-19页 |
| 2 面向农产品的协同过滤推荐算法选取 | 第19-30页 |
| 2.1 农产品线上交易特点 | 第19-20页 |
| 2.1.1 农产品种类较少 | 第19页 |
| 2.1.2 农产品更新程度低 | 第19-20页 |
| 2.1.3 地域限制 | 第20页 |
| 2.1.4 季节限制 | 第20页 |
| 2.1.5 营养搭配特征 | 第20页 |
| 2.2 协同过滤推荐技术原理及应用 | 第20-23页 |
| 2.3 协同过滤推荐算法分类 | 第23-27页 |
| 2.3.1 基于内存的协同过滤推荐算法 | 第24-25页 |
| 2.3.2 基于模型的协同过滤推荐算法 | 第25-26页 |
| 2.3.3 混合的协同过滤推荐算法 | 第26-27页 |
| 2.4 协同过滤推荐算法存在的问题及挑战 | 第27-28页 |
| 2.4.1 冷启动问题 | 第27页 |
| 2.4.2 稀疏性问题 | 第27-28页 |
| 2.4.3 可扩展性问题 | 第28页 |
| 2.5 适用于农产品电子商务的推荐算法分析 | 第28页 |
| 2.6 本章小结 | 第28-30页 |
| 3 相似性度量方法研究 | 第30-40页 |
| 3.1 传统相似性度量方法分析 | 第30-31页 |
| 3.2 基于IPSS相似性度量方法的优化协同过滤算法 | 第31-34页 |
| 3.2.1 IPSS相似性度量方法 | 第32-33页 |
| 3.2.2 基于IPSS项目相似度度量的协同过滤推荐算法 | 第33-34页 |
| 3.3 实验结果与分析 | 第34-39页 |
| 3.3.1 数据集 | 第34-35页 |
| 3.3.2 评价指标 | 第35-36页 |
| 3.3.3 实验结果与分析 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 可扩展性问题研究 | 第40-50页 |
| 4.1 可扩展性问题分析 | 第40页 |
| 4.2 基于谱聚类算法的协同过滤推荐算法 | 第40-44页 |
| 4.2.1 谱聚类算法概述 | 第41-43页 |
| 4.2.2 基于谱聚类算法的优化协同过滤推荐算法 | 第43-44页 |
| 4.3 实验结果与分析 | 第44-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 SC-ICF算法实现 | 第50-53页 |
| 5.1 推荐引擎架构简介 | 第50-51页 |
| 5.2 SC-ICF算法实现 | 第51-52页 |
| 5.3 本章小结 | 第52-53页 |
| 6 结论与展望 | 第53-55页 |
| 6.1 研究结果与结论 | 第53-54页 |
| 6.2 研究展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60页 |