基于个性化推荐的旅游电商平台设计与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文主要工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 旅游电商平台分析与设计 | 第14-29页 |
| 2.1 功能性需求分析 | 第14-16页 |
| 2.1.1 旅游电商平台基本功能 | 第14-15页 |
| 2.1.2 旅游产品的个性化推荐 | 第15-16页 |
| 2.1.3 团体行程的个性化定制与推荐 | 第16页 |
| 2.2 非功能性需求分析 | 第16-17页 |
| 2.3 系统用例分析 | 第17-18页 |
| 2.4 总体架构设计 | 第18-21页 |
| 2.4.1 逻辑架构 | 第18-20页 |
| 2.4.2 功能模块设计 | 第20-21页 |
| 2.5 数据库设计 | 第21-25页 |
| 2.5.1 E-R模型设计 | 第21-22页 |
| 2.5.2 数据库表设计 | 第22-25页 |
| 2.6 基本功能模块设计 | 第25-28页 |
| 2.7 本章小结 | 第28-29页 |
| 3 面向旅游产品的个性化推荐方法研究 | 第29-46页 |
| 3.1 旅游产品个性化推荐存中在的问题 | 第29-33页 |
| 3.1.1 常用的个性化推荐技术介绍 | 第29-30页 |
| 3.1.2 存在的问题分析 | 第30-33页 |
| 3.2 面向旅游产品的混合协同过滤算法 | 第33-39页 |
| 3.2.1 混合协同过滤算法设计 | 第33-35页 |
| 3.2.2 基于用户的Top-N候选项生成策略 | 第35-37页 |
| 3.2.3 基于产品的Top-M候选项生成策略 | 第37页 |
| 3.2.4 产品选择以及替补策略 | 第37-39页 |
| 3.3 面向旅游产品的个性化推荐方法实现 | 第39-43页 |
| 3.4 推荐效果测试与分析 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 面向个性化定制的团体行程优化方法研究 | 第46-56页 |
| 4.1 存在的问题 | 第46页 |
| 4.2 个性化定制的团体行程优化方法 | 第46-55页 |
| 4.2.1 成本函数的建立 | 第46-47页 |
| 4.2.2 优化算法分析及设计 | 第47-51页 |
| 4.2.3 团体行程优化方法流程设计 | 第51-52页 |
| 4.2.4 个性化定制的团体行程推荐平台实现 | 第52-55页 |
| 4.3 本章小结 | 第55-56页 |
| 5 旅游电商平台部署与实现 | 第56-68页 |
| 5.1 系统在云平台的部署 | 第56-62页 |
| 5.1.1 云计算产品 | 第56-57页 |
| 5.1.2 云平台部署架构 | 第57-58页 |
| 5.1.3 云服务器的部署 | 第58-59页 |
| 5.1.4 云负载均衡的部署 | 第59-61页 |
| 5.1.5 云数据库与缓存的部署 | 第61-62页 |
| 5.2 系统安全的实现 | 第62-65页 |
| 5.2.1 系统验证码 | 第63-64页 |
| 5.2.2 密码存储加密 | 第64-65页 |
| 5.3 系统缓存的实现 | 第65-67页 |
| 5.3.1 Redis非关系型数据库 | 第65-66页 |
| 5.3.2 Redis在缓存中的应用 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72页 |
