基于商品特征和层次的协同过滤推荐系统
| 摘要 | 第1-8页 |
| Abstract | 第8-11页 |
| 第一章 引言 | 第11-13页 |
| 第二章 电子商务推荐系统综述 | 第13-20页 |
| ·电子商务 | 第13-14页 |
| ·个性化推荐 | 第14-16页 |
| ·个性化推荐算法 | 第16-20页 |
| ·基于关联规则的推荐算法 | 第17-18页 |
| ·基于降维的推荐算法 | 第18-20页 |
| 第三章 协同过滤推荐算法应用分析 | 第20-27页 |
| ·协同过滤基本原理 | 第20-21页 |
| ·协同过滤常用的算法 | 第21-24页 |
| ·用户-商品(或项)评价矩阵 | 第21-22页 |
| ·皮尔森相关系数法 | 第22页 |
| ·余弦相似性算法 | 第22-23页 |
| ·修正的余弦相似性算法 | 第23页 |
| ·基于项的协同过滤算法 | 第23-24页 |
| ·协同过滤推荐算法面临的主要挑战 | 第24-27页 |
| ·User-based协同过滤推荐算法分析 | 第24页 |
| ·Item-based协同过滤推荐算法分析 | 第24-25页 |
| ·协同过滤的缺点与限制 | 第25-27页 |
| 第四章 基于商品特征和层次的协同过滤推荐算法 | 第27-46页 |
| ·商品相似性 | 第27-35页 |
| ·商品特征相似性和商品层次相似性 | 第27-30页 |
| ·商品层次相似性的计算方法 | 第30-32页 |
| ·商品特征相似性的计算方法 | 第32页 |
| ·商品相似度的计算方法 | 第32-34页 |
| ·改进的商品相似度计算方法 | 第34-35页 |
| ·改进的预测商品评分的方法 | 第35-40页 |
| ·改进的初步预测商品评分的方法 | 第35-37页 |
| ·改进的最终预测商品评分的方法 | 第37-40页 |
| ·实验结果及分析 | 第40-45页 |
| ·推荐算法评价标准 | 第40页 |
| ·实验过程 | 第40-42页 |
| ·实验结果 | 第42-44页 |
| ·商品相似性算法的实验结果 | 第42-43页 |
| ·用户最终预测商品评分方法的实验结果 | 第43-44页 |
| ·商品推荐算法推荐质量的实验结果 | 第44页 |
| ·试验结果分析 | 第44-45页 |
| ·基于商品特征和层次的协同过滤推荐算法分析 | 第45-46页 |
| 第五章 Ant推荐系统的设计与实现 | 第46-64页 |
| ·系统结构 | 第46-48页 |
| ·Ant推荐子系统设计 | 第48-50页 |
| ·Ant推荐子系统的框架 | 第48-49页 |
| ·Ant推荐子系统的模型 | 第49-50页 |
| ·Ant推荐子系统的实现 | 第50-62页 |
| ·网站商品分层存储结构 | 第50-52页 |
| ·Ant推荐子系统运行流程 | 第52-54页 |
| ·根据买家群组得出推荐商品模块的实现 | 第54-61页 |
| ·构造用户-商品评价矩阵 | 第55-57页 |
| ·计算商品相似度 | 第57-58页 |
| ·计算相似用户 | 第58-60页 |
| ·产生推荐结果 | 第60-61页 |
| ·点击商品的相似商品模块的实现 | 第61-62页 |
| ·本周热销商品排行榜模块的实现 | 第62页 |
| ·本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的学术论文及参与的项目 | 第69-70页 |
| 致谢 | 第70页 |
