| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11页 |
| ·国内外研究现状 | 第11-13页 |
| ·电子商务发展现状 | 第11-12页 |
| ·个性化推荐系统研究现状 | 第12-13页 |
| ·个性化推荐系统需要进一步研究的问题 | 第13-14页 |
| ·本文的主要内容和组织结构 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第2章 数据挖掘与移动商务相关技术 | 第16-33页 |
| ·数据挖掘相关技术 | 第16-26页 |
| ·数据挖掘技术概述 | 第16-18页 |
| ·数据挖掘相关算法 | 第18-22页 |
| ·Web 数据挖掘技术 | 第22-24页 |
| ·数据挖掘的应用过程 | 第24-25页 |
| ·数据挖掘在个性化推荐系统中的应用 | 第25-26页 |
| ·移动商务相关技术 | 第26-32页 |
| ·电子商务重要发展方向—移动商务介绍 | 第26-27页 |
| ·移动电子商务相关技术 | 第27-29页 |
| ·移动电子商务系统体系结构的划分 | 第29-30页 |
| ·移动数据管理技术介绍 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 推荐系统主要推荐算法 | 第33-39页 |
| ·引言 | 第33页 |
| ·主要推荐算法介绍 | 第33-37页 |
| ·协同过滤推荐算法 | 第33-35页 |
| ·基于关联规则的推荐算法 | 第35-36页 |
| ·基于聚类的推荐算法 | 第36页 |
| ·基于分类的推荐算法 | 第36页 |
| ·基于内容的推荐算法 | 第36-37页 |
| ·基于贝叶斯网的推荐算法 | 第37页 |
| ·组合推荐技术 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 一种基于BP 神经网络的聚类协同过滤算法 | 第39-48页 |
| ·协同过滤算法优缺分析 | 第39-40页 |
| ·协同过滤算法优点 | 第39页 |
| ·协同过滤算法缺点 | 第39-40页 |
| ·BP 神经网络应用特点分析 | 第40-41页 |
| ·人工神经网络特点 | 第40-41页 |
| ·BP 神经网络应用优势分析 | 第41页 |
| ·一种基于 BP 神经网络的聚类协同过滤算法的设计 | 第41-47页 |
| ·算法设计基于的考虑 | 第42页 |
| ·算法步骤 | 第42页 |
| ·聚类协同过滤算法实现 | 第42-44页 |
| ·BP 神经网络算法 | 第44-46页 |
| ·算法相关问题处理 | 第46页 |
| ·算法特征分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 利用多数据源的电子商务个性化推荐模型设计 | 第48-60页 |
| ·模型相关问题分析 | 第48-53页 |
| ·个性化推荐系统的工作流程 | 第48页 |
| ·用户数据输入方式 | 第48-50页 |
| ·电子商务中数据挖掘的数据源 | 第50页 |
| ·电子商务中数据预处理 | 第50-52页 |
| ·推荐系统的推荐方法 | 第52页 |
| ·推荐结果的显示时机和方式 | 第52-53页 |
| ·利用多数据源的电子商务个性化推荐模型设计 | 第53-56页 |
| ·系统离线模块设计 | 第55页 |
| ·系统在线模块设计 | 第55-56页 |
| ·实时个性化推荐系统模型特点与效率分析 | 第56-57页 |
| ·移动商务环境下推荐系统框架模型研究 | 第57-59页 |
| ·移动商务个性化推荐系统布局 | 第57-58页 |
| ·移动商务个性化推荐系统框架构建 | 第58页 |
| ·系统框架运行流程描述 | 第58-59页 |
| ·移动商务个性化推荐系统特征分析 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66-67页 |
| 攻读硕士学位期间发表论文和科研成果 | 第67页 |