| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·研究目的与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·研究内容 | 第14页 |
| ·论文结构 | 第14-16页 |
| 第二章 相关技术及理论介绍 | 第16-32页 |
| ·旅游电子商务 | 第16-20页 |
| ·旅游电子商务定义及其特点 | 第16-17页 |
| ·旅游电子商务的分类 | 第17-18页 |
| ·旅游电子商务的 SWOT 分析 | 第18-20页 |
| ·数据挖掘 | 第20-23页 |
| ·数据挖掘的定义 | 第20页 |
| ·数据挖掘的功能 | 第20-21页 |
| ·数据挖掘的过程 | 第21-22页 |
| ·数据挖掘在旅游电子商务中的应用 | 第22-23页 |
| ·电子商务个性化推荐系统概述 | 第23-26页 |
| ·个性化推荐系统概念 | 第24页 |
| ·个性化推荐系统作用 | 第24-25页 |
| ·个性化推荐系统的研究内容 | 第25-26页 |
| ·个性化推荐技术分类及优缺点 | 第26-29页 |
| ·基于内容过滤的推荐 | 第26-27页 |
| ·基于关联规则的推荐 | 第27-28页 |
| ·基于协同过滤的推荐 | 第28-29页 |
| ·混合推荐的技术 | 第29页 |
| ·协同过滤推荐技术 | 第29-31页 |
| ·相关概念 | 第29-30页 |
| ·基于用户的协同过滤推荐算法 | 第30-31页 |
| ·基于项目的协同过滤推荐算法 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于用户兴趣度矩阵进行聚类 | 第32-40页 |
| ·旅游电子商务个性化推荐主要研究内容 | 第32-33页 |
| ·旅游电子商务个性化推荐面临的问题 | 第32页 |
| ·旅游电子商务个性化推荐流程 | 第32-33页 |
| ·目前的用户聚类算法 | 第33-36页 |
| ·聚类分析定义 | 第33-34页 |
| ·主要聚类算法 | 第34-36页 |
| ·目前用户聚类用到的数据结构 | 第36页 |
| ·利用用户兴趣度来建立数据矩阵 | 第36-39页 |
| ·收集用户兴趣的方式 | 第37页 |
| ·建立用户-产品的兴趣度矩阵 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 关联规则挖掘及其改进 | 第40-48页 |
| ·基本概念与解决方法 | 第40-41页 |
| ·经典关联规则挖掘算法 | 第41-42页 |
| ·Apriori 算法 | 第41页 |
| ·FP-growth 算法 | 第41-42页 |
| ·改进的关联规则挖掘算法 | 第42-46页 |
| ·分解事务矩阵构造方法 | 第43-44页 |
| ·频繁 2 项目集的生成方法 | 第44页 |
| ·由频繁 k -1 项目集生成频繁 k 项目集的方法 | 第44-46页 |
| ·实验分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 旅游电子商务个性化推荐系统设计 | 第48-51页 |
| ·数据收集模块 | 第48-49页 |
| ·推荐模块 | 第49-50页 |
| ·离线推荐模块 | 第49-50页 |
| ·在线推荐模块 | 第50页 |
| ·输出模块 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 详细摘要 | 第59-61页 |