| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-13页 |
| 1 绪论 | 第13-21页 |
| ·研究背景 | 第13-14页 |
| ·智能推荐系统 | 第14-18页 |
| ·推荐系统的概念 | 第14-15页 |
| ·推荐系统研究现状 | 第15-17页 |
| ·主要研究方向 | 第17页 |
| ·推荐系统实例 | 第17-18页 |
| ·本论文的主要研究内容 | 第18-20页 |
| ·本论文的章节安排 | 第20-21页 |
| 2 Internet 智能推荐系统综述 | 第21-35页 |
| ·推荐系统组成及分类 | 第21-25页 |
| ·推荐系统组成 | 第21-23页 |
| ·推荐系统分类 | 第23-25页 |
| ·用户信息的来源和表示 | 第25-29页 |
| ·用户信息来源 | 第25-27页 |
| ·数据获取方法 | 第27-28页 |
| ·用户档案的表示 | 第28-29页 |
| ·推荐评价 | 第29-30页 |
| ·离线评价 | 第29-30页 |
| ·在线评价 | 第30页 |
| ·推荐系统与电子商务 | 第30-32页 |
| ·推荐系统研究展望 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 3 推荐系统相关技术 | 第35-43页 |
| ·推荐算法概述 | 第35页 |
| ·相关技术 | 第35-39页 |
| ·信息检索技术 | 第35-36页 |
| ·信息过滤技术 | 第36-37页 |
| ·数据挖掘 | 第37-39页 |
| ·适用于推荐系统的神经网络 | 第39-42页 |
| ·支持向量机 | 第40页 |
| ·模糊神经网络 | 第40-41页 |
| ·自组织特征映射 | 第41-42页 |
| ·自适应共振理论 | 第42页 |
| ·本章小结 | 第42-43页 |
| 4 一种改进的 Fuzzy ART 算法 | 第43-59页 |
| ·引言 | 第43-44页 |
| ·Fuzzy ART | 第44-48页 |
| ·Fuzzy ART 的结构及工作原理 | 第44-45页 |
| ·Fuzzy ART 的具体算法 | 第45-47页 |
| ·Fuzzy ART 存在的问题 | 第47-48页 |
| ·改进型Fuzzy ART 算法——MFART | 第48-49页 |
| ·实验 | 第49-57页 |
| ·比较算法和数据集 | 第49-50页 |
| ·实验结果及分析 | 第50-57页 |
| ·本章小结 | 第57-59页 |
| 5 基于 Web 挖掘和神经网络的电子商务顾客分类方法 | 第59-73页 |
| ·引言 | 第59-60页 |
| ·隐式数据和网络行为 | 第60-63页 |
| ·隐式数据 | 第60-61页 |
| ·网络行为 | 第61-63页 |
| ·模型框架 | 第63-67页 |
| ·顾客行为记录 | 第63-64页 |
| ·生成用户兴趣模型 | 第64-67页 |
| ·顾客分类 | 第67-68页 |
| ·比较算法 | 第68页 |
| ·实验 | 第68-72页 |
| ·实验数据集 | 第68-70页 |
| ·实验结果及分析 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 6 基于模糊逻辑的新型消费类电子产品推荐系统 | 第73-97页 |
| ·引言 | 第73-74页 |
| ·消费类电子产品 | 第74-75页 |
| ·系统设计 | 第75-76页 |
| ·理论背景 | 第76-84页 |
| ·语义变量和模糊数 | 第76-80页 |
| ·层次分析法 | 第80-82页 |
| ·去模糊 | 第82-83页 |
| ·相似度计算 | 第83-84页 |
| ·实现方法 | 第84-92页 |
| ·顾客需求采集 | 第84-85页 |
| ·顾客需求评价 | 第85-86页 |
| ·产品特征采集 | 第86-88页 |
| ·产品特征评价 | 第88-89页 |
| ·用户需求和产品性能的相似度比较 | 第89-92页 |
| ·实验 | 第92-96页 |
| ·实验数据集 | 第92-94页 |
| ·仿真实验结果 | 第94-96页 |
| ·本章小结 | 第96-97页 |
| 7 文本自动分类方法在邮件过滤系统中的应用 | 第97-115页 |
| ·引言 | 第97-98页 |
| ·相关技术 | 第98-101页 |
| ·基于规则的方法 | 第98-99页 |
| ·基于统计的方法 | 第99-100页 |
| ·基于神经网络的方法 | 第100-101页 |
| ·用两段神经网络实现的文本分类方法 | 第101-111页 |
| ·页面预处理 | 第103页 |
| ·权重赋值 | 第103-104页 |
| ·特征过滤 | 第104-106页 |
| ·文档分类 | 第106-109页 |
| ·实验结果及分析 | 第109-111页 |
| ·基于文本自动分类的邮件过滤系统 | 第111-114页 |
| ·邮件非文本特征提取 | 第112-113页 |
| ·实验结果及其分析 | 第113-114页 |
| ·本章小结 | 第114-115页 |
| 8 结论与展望 | 第115-117页 |
| ·主要结论 | 第115-116页 |
| ·后续研究工作 | 第116-117页 |
| 致谢 | 第117-119页 |
| 参考文献 | 第119-129页 |
| 附录 | 第129-130页 |
| 独创性声明 | 第130页 |
| 学位论文版权使用授权书 | 第130页 |