基于网上零售的智能电子商务系统的研究与设计
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-22页 |
| ·课题的背景及意义 | 第11页 |
| ·电子商务推荐系统概述 | 第11-19页 |
| ·电子商务推荐系统的构成 | 第12-14页 |
| ·常用的推荐方法 | 第14-15页 |
| ·电子商务推荐系统的框架结构 | 第15-16页 |
| ·电子商务推荐系统的目标 | 第16-18页 |
| ·电子商务推荐系统的研究内容 | 第18-19页 |
| ·国内外研究现状 | 第19-20页 |
| ·本文的主要研究工作和组织 | 第20-22页 |
| 第二章 电子商务中的个性化推荐技术 | 第22-35页 |
| ·个性化推荐概述 | 第22-23页 |
| ·可利用的数据和信息 | 第22-23页 |
| ·推荐技术评价标准 | 第23页 |
| ·常用推荐技术简介 | 第23-27页 |
| ·信息过滤技术 | 第23-25页 |
| ·数据挖掘技术 | 第25-26页 |
| ·其他技术 | 第26-27页 |
| ·内容过滤推荐技术 | 第27-29页 |
| ·基于内容过滤推荐的涵义 | 第27-29页 |
| ·内容过滤推荐的局限性 | 第29页 |
| ·用户合作过滤 | 第29-33页 |
| ·合作过滤简介 | 第29-30页 |
| ·合作过滤推荐算法分析 | 第30-32页 |
| ·合作过滤面临的挑战 | 第32-33页 |
| ·两种过滤技术结合的优越性 | 第33页 |
| ·小结 | 第33-35页 |
| 第三章 基于兴趣度向量模型的用户合作推荐方法 | 第35-45页 |
| ·模型的建立 | 第36-40页 |
| ·项目特征文件 | 第36-37页 |
| ·用户兴趣度向量空间模型 | 第37-39页 |
| ·用户邻居模型 | 第39-40页 |
| ·基于兴趣度向量模型的推荐机制 | 第40页 |
| ·实验设计与结果分析 | 第40-43页 |
| ·实验数据 | 第40-41页 |
| ·实验设计 | 第41-42页 |
| ·实验结果与分析 | 第42-43页 |
| ·小结 | 第43-45页 |
| 第四章 结合人口统计信息的推荐 | 第45-51页 |
| ·人口统计信息 | 第45-46页 |
| ·人口统计信息的内容 | 第45页 |
| ·人口统计信息的利用价值 | 第45-46页 |
| ·结合人口统计信息的推荐 | 第46-47页 |
| ·人口统计信息参与推荐的途径 | 第46页 |
| ·辅助基于用户兴趣度向量模型的推荐过程 | 第46-47页 |
| ·实验结果与分析 | 第47-50页 |
| ·小结 | 第50-51页 |
| 第五章 基于用户兴趣的推荐系统的基本框架 | 第51-58页 |
| ·系统的体系结构 | 第51-57页 |
| ·数据采集 | 第52-54页 |
| ·离线数据预处理 | 第54-56页 |
| ·在线推荐服务 | 第56-57页 |
| ·对系统适用性的说明 | 第57页 |
| ·小结 | 第57-58页 |
| 第六章 结论与展望 | 第58-61页 |
| ·主要结论 | 第58-59页 |
| ·未来展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 在学研究成果 | 第65-66页 |
| 致谢 | 第66页 |
