基于遗忘函数和领域最近邻的网络营销推荐系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-19页 |
| ·研究背景及意义 | 第12-14页 |
| ·研究背景 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·国内外研究现状及问题 | 第14-17页 |
| ·国内外研究现状 | 第14-17页 |
| ·目前方法存在的问题 | 第17页 |
| ·研究内容与论文结构 | 第17-19页 |
| 第2章 网络营销推荐研究的理论基础 | 第19-27页 |
| ·网络营销推荐系统概述 | 第19-21页 |
| ·推荐系统概述 | 第19页 |
| ·推荐系统的研究内容 | 第19-21页 |
| ·推荐系统的分类 | 第21页 |
| ·推荐系统的组成 | 第21-24页 |
| ·推荐系统的输入 | 第22-23页 |
| ·推荐系统的输出 | 第23-24页 |
| ·常用推荐技术 | 第24-27页 |
| ·基于人口统计信息的推荐 | 第24页 |
| ·基于效用的推荐 | 第24-25页 |
| ·基于知识的推荐 | 第25页 |
| ·基于关联规则的推荐 | 第25-27页 |
| 第3章 建模相关技术的研究与分析 | 第27-40页 |
| ·用户兴趣模型 | 第27-29页 |
| ·用户兴趣模型的表示 | 第27-28页 |
| ·用户兴趣模型的分类 | 第28-29页 |
| ·用户兴趣建模的步骤 | 第29页 |
| ·基于内容过滤推荐技术 | 第29-32页 |
| ·配置文件的构建和更新 | 第30页 |
| ·信息获取 | 第30-31页 |
| ·信息过滤 | 第31-32页 |
| ·基于内容过滤推荐的优缺点 | 第32页 |
| ·协同过滤推荐算法 | 第32-37页 |
| ·基于用户的(User-based)协同过滤算法 | 第33-35页 |
| ·基于项目的(Item-based)协同过滤算法 | 第35-37页 |
| ·协同过滤推荐的优缺点 | 第37页 |
| ·混合推荐算法 | 第37-40页 |
| 第4章 基于遗忘函数与领域最近邻的推荐改进 | 第40-50页 |
| ·模型概述 | 第40页 |
| ·基于遗忘函数的矩阵填充 | 第40-44页 |
| ·引入商品属性的用户兴趣描述 | 第40-42页 |
| ·基于遗忘函数的用户兴趣模型 | 第42-44页 |
| ·基于领域最近邻的协同过滤 | 第44-48页 |
| ·用户商品评分集分析 | 第44-46页 |
| ·领域最近邻界定 | 第46-47页 |
| ·相似性计算 | 第47-48页 |
| ·推荐生成 | 第48页 |
| ·算法描述 | 第48-50页 |
| 第5章 实验测试和模型检验 | 第50-61页 |
| ·实验数据 | 第50-51页 |
| ·评价标准 | 第51-53页 |
| ·统计精度 | 第51-52页 |
| ·top-N推荐质量的评价标准 | 第52-53页 |
| ·测试方案及检验结果 | 第53-61页 |
| ·测试方案 | 第53页 |
| ·检验结果及分析 | 第53-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第69-70页 |
| 附录B MATLAB编程 | 第70-77页 |
| 致谢 | 第77页 |
