奢侈品电子商务推荐的协同过滤算法研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景与选题意义 | 第7-8页 |
| 1.1.1 研究背景 | 第7页 |
| 1.1.2 选题意义 | 第7-8页 |
| 1.2 国内外研究发展综述 | 第8-10页 |
| 1.2.1 文献检索 | 第8-9页 |
| 1.2.2 研究综述 | 第9-10页 |
| 1.3 本文的研究内容 | 第10-12页 |
| 第二章 奢侈品及其消费行为与动机分析 | 第12-17页 |
| 2.1 奢侈品的定义与特征 | 第12-14页 |
| 2.1.1 奢侈品的定义 | 第12-13页 |
| 2.1.2 奢侈品的特征 | 第13-14页 |
| 2.2 奢侈品消费行为动机 | 第14-17页 |
| 2.2.1 奢侈品消费行为 | 第14-15页 |
| 2.2.2 奢侈品消费动机 | 第15-17页 |
| 第三章 电子商务推荐系统及其推荐算法 | 第17-26页 |
| 3.1 电子商务推荐系统结构与分类 | 第17-20页 |
| 3.1.1 电子商务推荐系统概念 | 第17-18页 |
| 3.1.2 电子商务推荐系统结构 | 第18-19页 |
| 3.1.3 电子商务推荐系统分类 | 第19-20页 |
| 3.2 电子商务推荐系统的推荐算法 | 第20-26页 |
| 3.2.1 基于内容的推荐算法 | 第20-22页 |
| 3.2.2 基于协同过滤的推荐算法 | 第22-24页 |
| 3.2.3 基于知识的推荐算法 | 第24页 |
| 3.2.4 基于组合策略的推荐算法 | 第24-26页 |
| 第四章 协同过滤算法的改进和优化研究 | 第26-44页 |
| 4.1 协同过滤算法的基本概念 | 第26-33页 |
| 4.1.1 收集用户偏好 | 第27-29页 |
| 4.1.2 相似度和最近邻的计算 | 第29-32页 |
| 4.1.3 推荐算法 | 第32-33页 |
| 4.2 协同过滤算法存在的问题 | 第33-38页 |
| 4.2.1 数据稀疏性问题 | 第33-34页 |
| 4.2.2 冷启动问题 | 第34-38页 |
| 4.2.3 算法可扩展问题 | 第38页 |
| 4.3 协同过滤算法的改进优化 | 第38-44页 |
| 4.3.1 算法的策略及原理 | 第38-39页 |
| 4.3.2 改进的Slope One算法 | 第39-40页 |
| 4.3.3 实验结果及分析 | 第40-44页 |
| 第五章 协同过滤算法的实现与应用 | 第44-71页 |
| 5.1 Apache Mahout开发工具 | 第44-47页 |
| 5.1.1 主要特性 | 第44页 |
| 5.1.2 Taste协同过滤组件 | 第44-46页 |
| 5.1.3 开发环境 | 第46-47页 |
| 5.2 协同过滤推荐算法的实现 | 第47-71页 |
| 5.2.1 应用系统设计 | 第47-51页 |
| 5.2.1.1 总体架构设计 | 第47-48页 |
| 5.2.1.2 系统需求分析 | 第48-49页 |
| 5.2.1.3 数据库模型设计 | 第49页 |
| 5.2.1.4 功能模块设计 | 第49-51页 |
| 5.2.2 应用系统实现 | 第51-67页 |
| 5.2.2.1 总体架构实现 | 第51-53页 |
| 5.2.2.2 数据库模型实现 | 第53-54页 |
| 5.2.2.3 功能模块实现 | 第54-67页 |
| 5.2.3 应用效果评价 | 第67-71页 |
| 5.2.3.1 系统应用操作 | 第67-69页 |
| 5.2.3.2 系统应用效果 | 第69-71页 |
| 第六章 结论与展望 | 第71-73页 |
| 6.1 本文工作总结 | 第71页 |
| 6.2 今后的研究方向 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
