基于协同过滤的电子商务推荐算法研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11页 |
| ·研究现状 | 第11-15页 |
| ·协同过滤算法及稀疏矩阵问题的研究现状及趋势 | 第11-14页 |
| ·用户评论中的情感分析研究现状 | 第14-15页 |
| ·研究内容 | 第15-16页 |
| ·电子商务推荐算法需要解决的主要问题 | 第15页 |
| ·本文的主要工作 | 第15-16页 |
| ·论文的组织结构 | 第16-18页 |
| 第2章 电子商务推荐系统概述 | 第18-32页 |
| ·基于内容的推荐系统 | 第20-22页 |
| ·基于协同过滤的推荐系统 | 第22-26页 |
| ·相似度计算方法 | 第23-24页 |
| ·项目分数预测公式 | 第24-25页 |
| ·协同过滤算法的优缺点 | 第25-26页 |
| ·基于用户的协同过滤算法 | 第26-27页 |
| ·基于项目的协同过滤算法 | 第27-29页 |
| ·生成项目最近邻 | 第28页 |
| ·进行推荐 | 第28-29页 |
| ·基于模型的推荐系统 | 第29-32页 |
| ·基于聚类算法的模型 | 第29-30页 |
| ·网状贝叶斯模型 | 第30页 |
| ·基于关联规则的模型 | 第30-32页 |
| 第3章 基于统计模型的协同过滤算法 | 第32-40页 |
| ·基于统计模型的项目分类 | 第32-35页 |
| ·向域 | 第32-33页 |
| ·项目分类 | 第33-35页 |
| ·项目分数预测 | 第35页 |
| ·项目推荐 | 第35-37页 |
| ·对稀疏矩阵进行填充 | 第35-36页 |
| ·产生推荐 | 第36-37页 |
| ·实验及分析 | 第37-40页 |
| ·实验数据集 | 第37页 |
| ·测试方法 | 第37-38页 |
| ·测试标准 | 第38页 |
| ·实验结果及分析 | 第38-40页 |
| 第4章 基于云模型的情感倾向对比推荐算法 | 第40-54页 |
| ·云模型 | 第40-43页 |
| ·云的定义 | 第41-42页 |
| ·云的发生 | 第42-43页 |
| ·用户评论的情感语料库 | 第43-44页 |
| ·推荐过程 | 第44-49页 |
| ·用户评论情感计算 | 第45-46页 |
| ·用户情感倾向矩阵表示 | 第46页 |
| ·基于云模型的用户情感向量 | 第46-47页 |
| ·相似度计算 | 第47-48页 |
| ·商品推荐 | 第48-49页 |
| ·实验及分析 | 第49-54页 |
| ·词频统计 | 第49-50页 |
| ·用户情感处理 | 第50-52页 |
| ·情感预测实验 | 第52-54页 |
| 第5章 总结与展望 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·未来研究展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表论文 | 第61页 |
