电子商务中推荐系统的应用与设计
摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 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 研究目标和研究内容 | 第12页 |
1.3.1 研究目标 | 第12页 |
1.3.2 研究内容 | 第12页 |
1.4 论文结构和内容安排 | 第12-14页 |
第二章 电子商务推荐系统相关技术介绍 | 第14-20页 |
2.1 推荐系统综述 | 第14-15页 |
2.1.1 电子商务中的推荐系统 | 第14-15页 |
2.1.2 推荐系统作用 | 第15页 |
2.2 推荐系统模型及算法介绍 | 第15-17页 |
2.2.1 协同过滤模型 | 第15-16页 |
2.2.2 基于内容的推荐模型 | 第16页 |
2.2.3 基于关联规则的推荐模型 | 第16-17页 |
2.2.4 基于图的推荐模型 | 第17页 |
2.3 推荐系统算法比较 | 第17页 |
2.4 推荐系统需要解决的问题 | 第17-18页 |
2.4.1 数据的稀疏性 | 第17-18页 |
2.4.2 推荐系统的评价 | 第18页 |
2.4.3 推荐系统的冷启动 | 第18页 |
2.5 推荐系统评测 | 第18-19页 |
2.6 推荐系统算法选择 | 第19页 |
2.7 本章小结 | 第19-20页 |
第三章 推荐系统需求分析 | 第20-28页 |
3.1 业务分析 | 第20页 |
3.2 系统需求 | 第20-21页 |
3.3 系统需求 | 第21-24页 |
3.3.1 系统架构 | 第21-22页 |
3.3.2 模块设计 | 第22页 |
3.3.3 功能设计 | 第22-23页 |
3.3.4 推荐系统用例图 | 第23-24页 |
3.4 数据库设计 | 第24-27页 |
3.4.1 数据库概要设计 | 第24页 |
3.4.2 数据库表结构设计 | 第24-27页 |
3.5 本章小结 | 第27-28页 |
第四章 推荐系统算法设计 | 第28-38页 |
4.1 算法简介 | 第28页 |
4.2 用户信息采集 | 第28页 |
4.3 数据预处理算法 | 第28-32页 |
4.3.1 两个商品的关联算法 | 第29-30页 |
4.3.2 两个小类的关联算法 | 第30页 |
4.3.3 其它计算商品关联的方法 | 第30-32页 |
4.4 相关商品间相似度计算公式 | 第32-33页 |
4.5 用户兴趣算法 | 第33页 |
4.6 小类中商品选择 | 第33-35页 |
4.6.1 小类中所有商品兴趣度成度计算 | 第33-34页 |
4.6.2 小类中所有商品兴趣度计算实例 | 第34-35页 |
4.7 用户特征提取 | 第35-37页 |
4.7.1 用户填写 | 第35-37页 |
4.7.2 用户历史行为获取 | 第37页 |
4.8 本章小结 | 第37-38页 |
第五章 推荐系统页面介绍 | 第38-46页 |
5.1 推荐页面总体介绍 | 第38-39页 |
5.2 推荐页面各功能简介 | 第39-40页 |
5.3 推荐系统应用 | 第40-45页 |
5.3.1 商品详情页 | 第40-41页 |
5.3.2 购物车页 | 第41-42页 |
5.3.3 店铺页 | 第42-43页 |
5.3.4 小类页 | 第43页 |
5.3.5 个人中心首页 | 第43-44页 |
5.3.6 我的关注页 | 第44-45页 |
5.4 本章小结 | 第45-46页 |
第六章 推荐系统部署与测试 | 第46-56页 |
6.1 系统部署 | 第46-48页 |
6.1.1 系统基础架构 | 第46-47页 |
6.1.2 LNMP环境搭建 | 第47-48页 |
6.2 页面功能实现 | 第48-49页 |
6.3 推荐页面展示 | 第49-52页 |
6.3.1 首页 | 第49-50页 |
6.3.2 登录页面 | 第50页 |
6.3.3 后台页面 | 第50-51页 |
6.3.4 商品详情页 | 第51-52页 |
6.3.5 购物车页 | 第52页 |
6.4 系统测试 | 第52-53页 |
6.5 系统应用效果分析 | 第53-54页 |
6.6 本章小结 | 第54-56页 |
第七章 总结与展望 | 第56-58页 |
7.1 总结 | 第56页 |
7.2 展望 | 第56-58页 |
参考文献 | 第58-60页 |
致谢 | 第60页 |