电子商务中滞销商品推荐技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-18页 |
| ·研究背景 | 第13-15页 |
| ·推荐系统 | 第13-14页 |
| ·问题提出 | 第14-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·国外现状 | 第15-16页 |
| ·国内现状 | 第16-17页 |
| ·本文研究内容 | 第17-18页 |
| 第2章 个性化推荐技术及滞销商品相关概念 | 第18-29页 |
| ·协同过滤推荐技术 | 第18-20页 |
| ·协同过滤推荐技术分类 | 第18-19页 |
| ·计算用户相似性的方法 | 第19-20页 |
| ·其它推荐技术 | 第20-21页 |
| ·基于内容的推荐 | 第20页 |
| ·基于效用的推荐 | 第20页 |
| ·基于知识的推荐 | 第20-21页 |
| ·混合推荐 | 第21页 |
| ·关联规则数据挖掘技术 | 第21-24页 |
| ·关联规则基本问题描述 | 第21-22页 |
| ·关联规则在个性化推荐中的应用 | 第22页 |
| ·加权关联规则的提出 | 第22-23页 |
| ·关联规则算法 | 第23-24页 |
| ·商品推荐系统 | 第24-25页 |
| ·推荐系统组成 | 第24页 |
| ·商品推荐系统分类 | 第24-25页 |
| ·滞销商品基本概念 | 第25-28页 |
| ·零售业中滞销商品定义 | 第25页 |
| ·滞销商品判断方法 | 第25-26页 |
| ·电子商务中商品的分类 | 第26-27页 |
| ·商品流转率 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第3章 基于中间商品兴趣度的滞销商品推荐模型 | 第29-38页 |
| ·滞销商品推荐模型结构 | 第29-31页 |
| ·模型引入 | 第29-30页 |
| ·模型结构 | 第30-31页 |
| ·滞销商品预测 | 第31-33页 |
| ·滞销商品定义 | 第31-32页 |
| ·滞销商品的种类 | 第32页 |
| ·滞销商品的预测方法 | 第32-33页 |
| ·中间商品的确定 | 第33-35页 |
| ·中间商品特征描述 | 第33页 |
| ·中间商品的产生 | 第33-34页 |
| ·中间商品库的更新 | 第34-35页 |
| ·滞销商品推荐 | 第35-37页 |
| ·兴趣度 | 第35-36页 |
| ·加权兴趣度 | 第36-37页 |
| ·基于中间商品兴趣度的滞销商品推荐 | 第37页 |
| ·小结 | 第37-38页 |
| 第4章 滞销商品推荐算法 | 第38-47页 |
| ·基于中间商品兴趣度的滞销商品推荐算法 | 第38-41页 |
| ·加权中间商品兴趣度权重 | 第38-39页 |
| ·时间权重的计算 | 第39页 |
| ·基于项目相似度数据权重计算 | 第39-40页 |
| ·推荐算法描述 | 第40-41页 |
| ·利润最大化的滞销商品推荐 | 第41-42页 |
| ·问题提出 | 第41页 |
| ·利润挖掘 | 第41-42页 |
| ·商品的交叉影响 | 第42页 |
| ·利润最大化的推荐项集选择 | 第42-44页 |
| ·推荐项集的描述 | 第42-43页 |
| ·推荐项集的选择 | 第43页 |
| ·推荐项集的选择算法 | 第43-44页 |
| ·利润最大化的滞销商品推荐算法 | 第44-45页 |
| ·利润函数 | 第44页 |
| ·项目选择概率计算 | 第44-45页 |
| ·算法描述 | 第45页 |
| ·小结 | 第45-47页 |
| 第5章 基于中间商品兴趣度的滞销商品推荐的实验 | 第47-53页 |
| ·实验准备 | 第47-48页 |
| ·实验数据 | 第47-48页 |
| ·Web 日志数据处理 | 第48页 |
| ·实验环境 | 第48页 |
| ·基于中间商品兴趣度的滞销商品推荐模型实验 | 第48-50页 |
| ·实验数据与数据库设计 | 第48-49页 |
| ·实验过程 | 第49-50页 |
| ·实验结果分析 | 第50页 |
| ·基于利润最大化的滞销商品推荐实验 | 第50-52页 |
| ·实验数据及数据库设计 | 第50-51页 |
| ·实验过程 | 第51页 |
| ·实验结果分析 | 第51-52页 |
| ·小结 | 第52-53页 |
| 结论 | 第53-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第60页 |
