| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题背景 | 第9页 |
| 1.2 国内外研究动态 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 1.4 本论文的结构安排 | 第12-13页 |
| 第二章 Apriori算法相关概念及缺陷分析 | 第13-19页 |
| 2.1 数据挖掘概念 | 第13-14页 |
| 2.1.1 数据挖掘定义 | 第13页 |
| 2.1.2 数据挖掘工作流程 | 第13-14页 |
| 2.2 关联规则算法介绍 | 第14-18页 |
| 2.2.1 现有关联规则算法介绍 | 第14-16页 |
| 2.2.2 发展趋势 | 第16-17页 |
| 2.2.3 存在的问题 | 第17-18页 |
| 2.3 算法选择 | 第18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 改进的Apriori算法 | 第19-30页 |
| 3.1 关联规则概念 | 第19-20页 |
| 3.2 Apriori算法 | 第20-21页 |
| 3.3 Apriori算法实例 | 第21-24页 |
| 3.4 改进的Apriori算法 | 第24-29页 |
| 3.4.1 算法概念 | 第24-25页 |
| 3.4.2 算法步骤 | 第25-28页 |
| 3.4.3 算法测试 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 Apriori算法在电子商务推荐模型中的应用 | 第30-42页 |
| 4.1 应用背景 | 第30-31页 |
| 4.2 电子商务推荐模型的构建基础 | 第31-34页 |
| 4.2.1 模型构建流程 | 第31-32页 |
| 4.2.2 推荐模型的商业理解 | 第32页 |
| 4.2.3 推荐模型的数据理解 | 第32-33页 |
| 4.2.4 推荐模型的数据准备 | 第33-34页 |
| 4.3 电子商务推荐模型的确定 | 第34-40页 |
| 4.3.1 划分数据集 | 第34页 |
| 4.3.2 离线推荐模型的构建 | 第34-38页 |
| 4.3.3 在线推荐模型的构建 | 第38-40页 |
| 4.4 推荐模型验证 | 第40-41页 |
| 4.4.1 实验准备 | 第40页 |
| 4.4.2 实验环境 | 第40-41页 |
| 4.4.3 实验结果说明 | 第41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 电子商务推荐模型的实现 | 第42-69页 |
| 5.1 应用概述 | 第42页 |
| 5.2 电子商务推荐系统需求 | 第42-52页 |
| 5.2.1 模块用例分析 | 第42-48页 |
| 5.2.2 用户用例分析 | 第48-52页 |
| 5.3 总体设计 | 第52-58页 |
| 5.3.1 系统技术框架 | 第52-55页 |
| 5.3.2 功能架构设计 | 第55-58页 |
| 5.4 数据库设计 | 第58-63页 |
| 5.4.1 数据库概念设计 | 第58-59页 |
| 5.4.2 数据库逻辑设计 | 第59-60页 |
| 5.4.3 数据库物理设计 | 第60-63页 |
| 5.5 功能设计与实现 | 第63-66页 |
| 5.5.1 非个性化推荐功能 | 第63-64页 |
| 5.5.2 Apriori算法实现 | 第64-65页 |
| 5.5.3 电子商务推荐功能 | 第65-66页 |
| 5.6 功能展示 | 第66-68页 |
| 5.7 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 全文总结 | 第69-70页 |
| 6.2 后续工作展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-74页 |