基于哈希学习的电子商务推荐系统研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要内容 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 2 电子商务推荐系统 | 第13-24页 |
| 2.1 推荐系统的概念 | 第13-14页 |
| 2.2 电子商务推荐算法 | 第14-19页 |
| 2.2.1 基于协同过滤的推荐算法 | 第15-17页 |
| 2.2.2 基于关联规则的推荐算法 | 第17-18页 |
| 2.2.3 基于内容的推荐算法 | 第18-19页 |
| 2.2.4 基于知识的推荐算法 | 第19页 |
| 2.2.5 基于社交网络的推荐算法 | 第19页 |
| 2.3 电子商务推荐系统评价方式 | 第19-23页 |
| 2.3.1 预测准确度 | 第19-20页 |
| 2.3.2 列表准确度 | 第20-21页 |
| 2.3.3 客户满意度 | 第21-22页 |
| 2.3.4 其他评价指标 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 哈希学习 | 第24-29页 |
| 3.1 哈希学习理论 | 第24-25页 |
| 3.2 两步骤哈希学习 | 第25-28页 |
| 3.2.1 投影阶段 | 第26-27页 |
| 3.2.2 量化阶段 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 4 基于哈希学习的推荐方法 | 第29-42页 |
| 4.1 算法框架 | 第29-33页 |
| 4.1.1 k-means聚类 | 第30页 |
| 4.1.2 距离选择 | 第30-32页 |
| 4.1.3 相似性计算与推荐 | 第32-33页 |
| 4.2 实验 | 第33-41页 |
| 4.2.1 评价方式 | 第33-34页 |
| 4.2.2 数据集 | 第34-35页 |
| 4.2.3 复杂度分析 | 第35-36页 |
| 4.2.4 实验分析 | 第36-41页 |
| 4.3 本章小结 | 第41-42页 |
| 5 隐性反馈的推荐 | 第42-47页 |
| 5.1 隐性反馈协同过滤框架 | 第42-43页 |
| 5.2 基于哈希推荐方法在隐性反馈上的改进 | 第43-45页 |
| 5.3 拓展 | 第45-46页 |
| 5.3.1 增量奇异值分解 | 第45页 |
| 5.3.2 数据的二元性 | 第45-46页 |
| 5.4 本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-56页 |
| 攻读硕士学位期间取得的研究成果 | 第56-57页 |
| 致谢 | 第57-59页 |
