| 第一章 引言 | 第1-18页 |
| ·研究背景 | 第11-13页 |
| ·电子商务推荐系统研究现状 | 第13-16页 |
| ·电子商务推荐系统的研究内容 | 第13-14页 |
| ·推荐技术的研究现状 | 第14-15页 |
| ·推荐系统的优势与不足 | 第15-16页 |
| ·论文主要研究内容 | 第16-17页 |
| ·论文组织结构 | 第17页 |
| ·小结 | 第17-18页 |
| 第二章 电子商务推荐系统及相关技术 | 第18-29页 |
| ·电子商务个性化推荐系统的组成 | 第18-25页 |
| ·电子商务推荐系统的输入形式 | 第19-20页 |
| ·电子商务推荐系统的输出形式 | 第20页 |
| ·电子商务推荐系统的推荐算法 | 第20-25页 |
| ·电子商务推荐系统的分类 | 第25-26页 |
| ·电子商务推荐系统实例研究 | 第26-28页 |
| ·Amazon.com | 第26-27页 |
| ·eBay.com | 第27-28页 |
| ·小结 | 第28-29页 |
| 第三章 基于特征的关联规则推荐模型 | 第29-51页 |
| ·传统关联规则技术及存在问题 | 第29-32页 |
| ·预备知识 | 第29-30页 |
| ·传统推荐模型存在的问题 | 第30-32页 |
| ·基于特征的关联规则推荐模型—FARM | 第32-34页 |
| ·特征量的选取与设定 | 第34-36页 |
| ·特征量的选取 | 第34-35页 |
| ·特征值的设置 | 第35-36页 |
| ·频繁项集算法的选择与比较 | 第36-46页 |
| ·Apriori算法 | 第36-38页 |
| ·DIC算法 | 第38-42页 |
| ·FP-Growth算法 | 第42-44页 |
| ·实验结果与分析 | 第44-46页 |
| ·基于用户信息特征的关联规则的提取 | 第46-50页 |
| ·传统的关联规则挖掘方法 | 第46-47页 |
| ·基于用户信息特征的关联规则 | 第47-49页 |
| ·过滤规则 | 第49-50页 |
| ·基于特征的关联规则推荐模型的优势 | 第50页 |
| ·小结 | 第50-51页 |
| 第四章 基于特征的协同过滤推荐模型 | 第51-62页 |
| ·协同过滤推荐技术概述 | 第51-55页 |
| ·预备知识 | 第51-52页 |
| ·传统的相似性度量方法 | 第52-54页 |
| ·传统协同过滤推荐技术的缺陷 | 第54-55页 |
| ·基于特征的协同过滤推荐模型—FCFM | 第55-59页 |
| ·基本思想 | 第55-56页 |
| ·算法描述 | 第56-59页 |
| ·实验结果及分析 | 第59-60页 |
| ·数据集 | 第59页 |
| ·度量标准 | 第59页 |
| ·实验结果 | 第59-60页 |
| ·基于特征的协同过滤推荐模型的优势 | 第60-61页 |
| ·小结 | 第61-62页 |
| 第五章 FMRecom多模型个性化推荐系统的设计和实现 | 第62-80页 |
| ·需求分析 | 第62-63页 |
| ·多模型个性化推荐系统需求分析 | 第62-63页 |
| ·FMRecom的应用背景 | 第63页 |
| ·FMRecom系统架构和流程 | 第63-67页 |
| ·系统架构 | 第63-66页 |
| ·系统流程 | 第66-67页 |
| ·数据管理 | 第67-69页 |
| ·交易数据库 | 第68页 |
| ·用户数据库 | 第68-69页 |
| ·商品数据库 | 第69页 |
| ·推荐模型管理 | 第69-75页 |
| ·热卖商品模块 | 第70-71页 |
| ·新到商品模块 | 第71页 |
| ·FCFM模块 | 第71-72页 |
| ·FARM模块 | 第72-75页 |
| ·FMRecom实验环境及开发工具 | 第75页 |
| ·一些关键技术的实现 | 第75-78页 |
| ·数据预处理 | 第75-76页 |
| ·热销商品模块 | 第76-77页 |
| ·预测新商品评分 | 第77-78页 |
| ·包和类结构 | 第78-79页 |
| ·小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-82页 |
| ·总结 | 第80页 |
| ·本文的主要工作和贡献 | 第80-81页 |
| ·展望与进一步工作 | 第81-82页 |
| 附录一:FMRecom系统部分源代码 | 第82-90页 |
| 参考文献 | 第90-94页 |
| 致谢 | 第94页 |