面向电子商务应用的推荐算法研究
| 目录 | 第3-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-24页 |
| 1.1 主要电子商务推荐系统简介 | 第9-20页 |
| 1.1.1 Amazon | 第10-14页 |
| 1.1.2 淘宝 | 第14-16页 |
| 1.1.3 当当网 | 第16-19页 |
| 1.1.4 比较与分析 | 第19-20页 |
| 1.2 推荐问题描述 | 第20-23页 |
| 1.3 本文工作及结构 | 第23-24页 |
| 第二章 推荐算法的研究现状 | 第24-30页 |
| 2.1 基本概念 | 第24页 |
| 2.2 基于关联规则的推荐 | 第24-25页 |
| 2.3 基于决策树的推荐 | 第25-27页 |
| 2.3.1 ID3算法 | 第26页 |
| 2.3.2 C4.5算法 | 第26-27页 |
| 2.4 基于内容的推荐 | 第27-28页 |
| 2.4.1 基于客户相似度的推荐 | 第27-28页 |
| 2.4.2 基于产品内容相似度的推荐 | 第28页 |
| 2.5 协同过滤 | 第28-29页 |
| 2.5.1 基于用户的协同过滤算法 | 第28-29页 |
| 2.5.2 基于产品的协同过滤算法 | 第29页 |
| 2.6 小结 | 第29-30页 |
| 第三章 基于特征的协同过滤 | 第30-39页 |
| 3.1 电子商务的推荐特点 | 第30-31页 |
| 3.2 基于特征的协同过滤算法 | 第31-37页 |
| 3.2.1 基本思路 | 第31-34页 |
| 3.2.2 数据选取 | 第34页 |
| 3.2.3 相似度计算函数 | 第34-35页 |
| 3.2.4 最近邻的选取 | 第35-36页 |
| 3.2.5 预测评分 | 第36-37页 |
| 3.3 与传统协同过滤的比较 | 第37-38页 |
| 3.4 实验结果 | 第38页 |
| 3.5 小结 | 第38-39页 |
| 第四章 保险电子商务推荐系统 | 第39-53页 |
| 4.1 概述 | 第39-41页 |
| 4.2 系统实现 | 第41-48页 |
| 4.2.1 数据准备 | 第41-42页 |
| 4.2.2 算法的选取和运用 | 第42-47页 |
| 4.2.3 线上推荐 | 第47-48页 |
| 4.3 操作界面与性能评估 | 第48-52页 |
| 4.3.1 操作界面 | 第48-50页 |
| 4.3.2 性能评估 | 第50-52页 |
| 4.4 小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文的主要成果 | 第53页 |
| 5.2 当前工作的不足 | 第53页 |
| 5.3 未来方向的设想 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 硕士期间发表论文 | 第60-61页 |
| 致谢 | 第61-62页 |
