| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 引言 | 第10-15页 |
| ·课题的研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文的研究内容及主要工作 | 第12-13页 |
| ·论文的组织结构 | 第13-15页 |
| 第2章 电子商务个性化推荐系统 | 第15-29页 |
| ·传统的电子商务模式 | 第15页 |
| ·个性化推荐服务 | 第15-16页 |
| ·个性化推荐技术介绍 | 第16-24页 |
| ·基于内容的推荐 | 第16-17页 |
| ·基于协同过滤技术的推荐 | 第17-18页 |
| ·基于知识的推荐 | 第18-19页 |
| ·基于关联规则的推荐 | 第19-21页 |
| ·基于效用的推荐 | 第21页 |
| ·基于组合的推荐 | 第21-22页 |
| ·各种推荐方法的比较 | 第22-24页 |
| ·个性化推荐服务的作用 | 第24页 |
| ·个性化推荐系统中的相关技术 | 第24-29页 |
| ·数据挖掘 | 第24-26页 |
| ·信息检索和信息过滤 | 第26-29页 |
| 第3章 协同过滤技术 | 第29-40页 |
| ·协同过滤系统的简单描述 | 第29-31页 |
| ·协同过滤技术分类 | 第31-32页 |
| ·协同过滤技术的优缺点 | 第32-33页 |
| ·基于用户(User-based)的协同过算法 | 第33-36页 |
| ·基于项目(Item-based)的协同过滤算法 | 第36-40页 |
| 第4章 基于项目属性特征的协同过滤推荐 | 第40-52页 |
| ·引言 | 第40-41页 |
| ·传统基于用户的协同过滤算法基本原理 | 第41-42页 |
| ·基于混合机制的个性化推荐算法 | 第42-52页 |
| ·项目的属性特征值矩阵 | 第42-44页 |
| ·项目的属性特征值矩阵举例 | 第44-48页 |
| ·结合项目属性特征的混合协同过滤算法 | 第48页 |
| ·试验结果及其分析 | 第48-52页 |
| 第5章 基于用户个人特征和属性偏好的算法改进 | 第52-67页 |
| ·基于用户个人特征的聚类算法 | 第52-62页 |
| ·聚类算法介绍 | 第52-53页 |
| ·对k-means聚类算法的改进 | 第53-56页 |
| ·基于用户个人特征的聚类算法实现 | 第56-59页 |
| ·试验结果及其分析 | 第59-62页 |
| ·基于项目属性偏好的算法改进 | 第62-67页 |
| ·基于项目属性偏好的算法改进 | 第62-65页 |
| ·实验结果及其分析 | 第65-67页 |
| 第6章 基于混合机制的电子商务个性化推荐系统框架设计 | 第67-75页 |
| ·引言 | 第67页 |
| ·系统推荐流程 | 第67-70页 |
| ·系统推荐体系结构 | 第70-71页 |
| ·推荐系统数据库设计 | 第71-73页 |
| ·推荐系统核心算法设计 | 第73-74页 |
| ·推荐系统框架的应用可行性分析 | 第74-75页 |
| 第7章 结论 | 第75-77页 |
| ·论文工作总结 | 第75-76页 |
| ·下一步工作的设想 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读学位期间公开发表论文 | 第81-82页 |
| 致谢 | 第82-83页 |
| 研究生履历 | 第83页 |