基于混合推荐算法的电子商务推荐系统研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景以及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文结构 | 第14页 |
| 1.4 本文研究的主要内容 | 第14-16页 |
| 第2章 推荐系统原理及研究路线 | 第16-19页 |
| 2.1 推荐系统原理 | 第16-17页 |
| 2.2 本文研究路线 | 第17-18页 |
| 2.3 本文推荐系统各个阶段算法的选择 | 第18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 信息预处理模块研究 | 第19-29页 |
| 3.1 用户信息预处理 | 第19-23页 |
| 3.1.1 基于人口统计学的推荐 | 第19-20页 |
| 3.1.2 用户信息建模 | 第20-23页 |
| 3.2 交互数据预处理 | 第23-25页 |
| 3.2.1 交互数据提取 | 第23-24页 |
| 3.2.2 交互行为的量化 | 第24-25页 |
| 3.3 商品信息预处理 | 第25-28页 |
| 3.3.1 非结构化数据处理 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 推荐引擎模块研究 | 第29-54页 |
| 4.1 常见推荐算法的研究 | 第29-44页 |
| 4.1.1 基于用户的协同过滤算法研究 | 第29-33页 |
| 4.1.2 基于项目的协同过滤算法研究 | 第33-37页 |
| 4.1.3 基于内容的推荐算法研究 | 第37-42页 |
| 4.1.4 其他常见的推荐算法研究 | 第42-43页 |
| 4.1.5 算法组合方式研究 | 第43-44页 |
| 4.2 推荐引擎常见问题探究 | 第44-45页 |
| 4.2.1 推荐引擎所面临的问题 | 第44页 |
| 4.2.2 解决方案 | 第44-45页 |
| 4.3 混合推荐引擎设计 | 第45-52页 |
| 4.3.1 用户分组 | 第45-49页 |
| 4.3.2 组合推荐算法的设计 | 第49-52页 |
| 4.4 推荐系统准确度预测指标 | 第52-53页 |
| 4.4.1 准确率与召回率 | 第52-53页 |
| 4.4.2 平均绝对误差 | 第53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 实验测试 | 第54-61页 |
| 5.1 实验说明 | 第54页 |
| 5.2 实验数据集描述 | 第54-56页 |
| 5.3 实验环境搭建 | 第56-57页 |
| 5.4 实验过程及实验结果 | 第57-60页 |
| 5.4.1 实验一获取最优权重w | 第57-58页 |
| 5.4.2 实验二算法性能比较与最近邻居选取 | 第58-60页 |
| 5.4.3 实验总结 | 第60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-65页 |
