| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状以及存在的问题 | 第10-13页 |
| ·研究现状 | 第10-12页 |
| ·推荐系统中存在问题 | 第12-13页 |
| ·研究内容与论文结构安排 | 第13-14页 |
| ·研究内容 | 第13页 |
| ·结构安排 | 第13-14页 |
| 2 个性化电子商务推荐系统 | 第14-19页 |
| ·电子商务推荐系统简介 | 第14-15页 |
| ·电子商务推荐系统的分类 | 第15-17页 |
| ·推荐系统的结构框架 | 第17-19页 |
| 3 各种推荐技术在电子商务推荐系统中的应用 | 第19-30页 |
| ·基于关联规则的推荐算法 | 第19-21页 |
| ·基于内容的推荐算法 | 第21-22页 |
| ·协同过滤推荐算法 | 第22-25页 |
| ·协同过滤的一般步骤 | 第23-24页 |
| ·两种基本的协同过滤算法 | 第24页 |
| ·协同过滤技术存在的问题 | 第24-25页 |
| ·基于知识推荐算法 | 第25-26页 |
| ·基于效用的推荐算法 | 第26页 |
| ·混合推荐算法 | 第26-30页 |
| 4 基于模型填充的混合协同过滤推荐系统 | 第30-42页 |
| ·模型构建基础 | 第30-31页 |
| ·基于贝叶斯模型和项目模型的矩阵填充策略 | 第31-34页 |
| ·构建贝叶斯模型 | 第31-32页 |
| ·构建项目模型 | 第32-34页 |
| ·基于用户和项目聚类模型的填充策略 | 第34-39页 |
| ·Refined k-means聚类算法 | 第35-36页 |
| ·建立用户聚类模型 | 第36-38页 |
| ·建立项目聚类模型 | 第38页 |
| ·基于用户和项目聚类的填充方法 | 第38-39页 |
| ·相似度计算 | 第39-40页 |
| ·用户相似度和项目相似度计算 | 第39-40页 |
| ·改进用户相似度USim(a,u)和项目相似度ISim(i,j) | 第40页 |
| ·邻居选择与评分预测 | 第40-42页 |
| 5 实验结果及评价 | 第42-48页 |
| ·数据集的选取及度量标准 | 第42-43页 |
| ·实验平台 | 第42页 |
| ·数据集 | 第42-43页 |
| ·度量标准 | 第43页 |
| ·实验结果及其分析 | 第43-48页 |
| ·实验结果 | 第43-46页 |
| ·实验结果分析 | 第46-48页 |
| 6 结束语 | 第48-49页 |
| ·论文总结 | 第48页 |
| ·以后要做的工作 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第53页 |