关于电商平台冷门商品的推荐系统研究
| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 引言 | 第10-14页 |
| 第一节 研究背景 | 第10-11页 |
| 第二节 研究意义 | 第11页 |
| 第三节 国内外研究现状 | 第11-12页 |
| 一、长尾理论研究动态 | 第11-12页 |
| 二、推荐系统研究动态 | 第12页 |
| 第四节 本文工作 | 第12-14页 |
| 第二章 冷门商品 | 第14-18页 |
| 第一节 长尾理论与冷门商品概念 | 第14-15页 |
| 第二节 冷门商品的特点 | 第15-16页 |
| 第三节 运营方针 | 第16-17页 |
| 第四节 冷门商品下的推荐系统 | 第17-18页 |
| 第三章 推荐算法 | 第18-26页 |
| 第一节 协同过滤算法 | 第18-22页 |
| 一、基于用户的协同过滤算法(UserCF) | 第19-20页 |
| 二、基于项目的协同过滤算法(ItemCF) | 第20-21页 |
| 三、UserCF与ItemCF综合比较 | 第21-22页 |
| 第二节 基于内容的推荐 | 第22-23页 |
| 第三节 混合推荐系统算法 | 第23-24页 |
| 第四节 推荐系统评价指标 | 第24-26页 |
| 第四章 改进的推荐算法 | 第26-32页 |
| 第一节 K均值聚类 | 第26-28页 |
| 第二节 改进的ItemCF算法 | 第28-30页 |
| 一、物品相似度计算 | 第28-29页 |
| 二、推荐列表计算 | 第29-30页 |
| 第三节 对比标度权重法 | 第30-31页 |
| 第四节 Top-N算法 | 第31-32页 |
| 第五章 实例分析 | 第32-36页 |
| 第一节 算法实施过程 | 第32-35页 |
| 一、实验设计 | 第32页 |
| 二、数据介绍 | 第32-33页 |
| 三、数据清洗 | 第33页 |
| 四、实施过程 | 第33-35页 |
| 第二节 算法评价指标结果 | 第35-36页 |
| 第六章 结论 | 第36-38页 |
| 第一节 全文总结 | 第36页 |
| 第二节 工作展望 | 第36-38页 |
| 参考文献 | 第38-41页 |
| 附录 | 第41-44页 |
| 附录A | 第41-44页 |
| 致谢 | 第44页 |
