| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题背景 | 第12-18页 |
| 1.1.1 网络购物的流行 | 第12-13页 |
| 1.1.2 网络购物面临选择难的问题 | 第13-14页 |
| 1.1.3 导购应用的现状和面临的问题 | 第14-18页 |
| 1.2 研究意义 | 第18-19页 |
| 1.2.1 构建了一个智能的个性化导购系统 | 第18-19页 |
| 1.2.2 对推荐系统进行了有益的探索和扩展 | 第19页 |
| 1.3 本文所做的工作和创新 | 第19-20页 |
| 1.4 论文结构安排 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第2章 推荐系统综述 | 第22-36页 |
| 2.1 推荐算法 | 第23-30页 |
| 2.1.1 基于相似度的协同过滤算法 | 第24-26页 |
| 2.1.2 基于产品特征的推荐算法 | 第26-29页 |
| 2.1.3 混合推荐 | 第29-30页 |
| 2.2 推荐系统的挑战 | 第30-33页 |
| 2.2.1 冷启动问题 | 第30-31页 |
| 2.2.2 数据稀疏性问题 | 第31-33页 |
| 2.3 推荐算法的评价 | 第33-35页 |
| 2.3.1 预测准确度 | 第33页 |
| 2.3.2 分类准确度 | 第33-35页 |
| 2.3.3 其他评价指标 | 第35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 商品导购方法设计 | 第36-47页 |
| 3.1 核心数据对象 | 第36-42页 |
| 3.1.1 用户 | 第36-38页 |
| 3.1.2 商品 | 第38-40页 |
| 3.1.3 商品分类 | 第40-41页 |
| 3.1.4 商品集 | 第41页 |
| 3.1.5 文章 | 第41-42页 |
| 3.2 推荐的应用场景 | 第42-45页 |
| 3.2.1 首页推荐 | 第42-44页 |
| 3.2.2 商品详情页推荐 | 第44-45页 |
| 3.2.3 文章详情页推荐 | 第45页 |
| 3.3 结合消费者心理学的导购设计 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 关键技术研究与实验 | 第47-71页 |
| 4.1 基于利用社交网络数据的用户聚类的协同过滤算法 | 第47-54页 |
| 4.1.1 新浪微博开放平台 | 第47-49页 |
| 4.1.2 基于微博状态数据的用户聚类 | 第49-52页 |
| 4.1.3 基于用户聚类的协同过滤算法 | 第52-53页 |
| 4.1.4 实验及结果分析 | 第53-54页 |
| 4.2 基于组合评分值的协同过滤集合推荐算法 | 第54-60页 |
| 4.2.1 集合的推荐 | 第54-56页 |
| 4.2.2 基于组合评分值的集合推荐算法 | 第56-59页 |
| 4.2.3 实验结果及分析 | 第59-60页 |
| 4.3 一种基于产品分类推荐的产品推荐算法 | 第60-67页 |
| 4.3.1 淘宝网商品分类系统 | 第61-63页 |
| 4.3.2 基于稀疏度的分类的动态选择 | 第63-64页 |
| 4.3.3 基于协同过滤的分类推荐 | 第64-65页 |
| 4.3.4 基于分类和分类内产品排序的产品推荐 | 第65页 |
| 4.3.5 实验与分析 | 第65-67页 |
| 4.4 基于相互关联度的协同过滤相互推荐算法 | 第67-70页 |
| 4.4.1 相互推荐系统 | 第67-68页 |
| 4.4.2 一种基于相互关联度的相互推荐算法 | 第68-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第5章 系统设计与实现 | 第71-79页 |
| 5.1 主要模块 | 第71-75页 |
| 5.2 主要技术 | 第75-76页 |
| 5.3 部分界面及介绍 | 第76-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 6.1 本文主要工作及总结 | 第79-80页 |
| 6.2 未来工作展望 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 攻读硕士学位期间主要的研究成果 | 第84-85页 |
| 致谢 | 第85页 |