摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第11-17页 |
1.1 课题研究背景与意义 | 第11-13页 |
1.1.1 课题研究背景 | 第11-12页 |
1.1.2 课题研究意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-14页 |
1.2.1 国外研究现状 | 第13-14页 |
1.2.2 国内研究现状 | 第14页 |
1.3 研究内容与主要工作 | 第14-15页 |
1.4 论文组织结构 | 第15-17页 |
第2章 电子商务个性化推荐系统理论与技术介绍 | 第17-35页 |
2.1 电子商务个性化推荐系统概述 | 第17-22页 |
2.1.1 电子商务个性化推荐系统的概念与作用 | 第17-18页 |
2.1.2 电子商务个性化推荐系统整体架构 | 第18-21页 |
2.1.3 常见个性化推荐算法介绍与比较 | 第21-22页 |
2.2 基于移动平台的电商个性化推荐系统关键技术介绍 | 第22-34页 |
2.2.1 Android移动平台 | 第22-26页 |
2.2.2 S2SH框架关键组件 | 第26-30页 |
2.2.3 MongoDB文档型数据库 | 第30-33页 |
2.2.4 Morphia ORM框架 | 第33-34页 |
2.3 本章小结 | 第34-35页 |
第3章 基于协同过滤的个性化推荐算法研究与优化 | 第35-56页 |
3.1 传统的协同过滤算法概述 | 第35-41页 |
3.1.1 协同过滤算法的基本原理 | 第35页 |
3.1.2 协同过滤算法的主要分类 | 第35-37页 |
3.1.3 协同过滤算法的一般流程 | 第37-39页 |
3.1.4 协同过滤算法的瓶颈问题 | 第39-41页 |
3.2 Slope one算法分析与研究 | 第41-45页 |
3.2.1 Slope one算法的优点 | 第41页 |
3.2.2 Slope one算法基本原理 | 第41-42页 |
3.2.3 Slope one算法一般流程 | 第42-45页 |
3.2.4 Weighted Slope one算法 | 第45页 |
3.3 Slope one算法的改进方案 | 第45-51页 |
3.3.1 基于遗忘曲线的用户兴趣遗忘函数 | 第46-48页 |
3.3.2 基于聚类的用户最近邻筛选策略 | 第48-50页 |
3.3.3 改进的Weighted Slope one算法 | 第50-51页 |
3.4 算法性能实验分析 | 第51-55页 |
3.4.1 实验环境与数据来源 | 第51-52页 |
3.4.2 实验评估标准 | 第52-53页 |
3.4.3 实验设计及结果分析 | 第53-55页 |
3.5 本章小结 | 第55-56页 |
第4章 基于移动平台的电商个性化推荐系统设计与实现 | 第56-92页 |
4.1 系统需求分析 | 第56-59页 |
4.1.1 系统需求概述 | 第56-57页 |
4.1.2 系统功能需求 | 第57-58页 |
4.1.3 移动电子商务的特别要求 | 第58-59页 |
4.2 系统目标与总体设计 | 第59-66页 |
4.2.1 系统设计目标 | 第59-60页 |
4.2.2 系统功能模块设计 | 第60-61页 |
4.2.3 数据存储设计 | 第61-66页 |
4.3 系统整体架构设计 | 第66-69页 |
4.3.1 系统物理结构设计 | 第66-67页 |
4.3.2 系统逻辑架构设计 | 第67-69页 |
4.4 服务器端程序设计与实现 | 第69-78页 |
4.4.1 服务器端逻辑模块划分 | 第69-71页 |
4.4.2 用户行为记录模块设计与实现 | 第71-74页 |
4.4.3 推荐结果输出模块设计与实现 | 第74-75页 |
4.4.4 推荐算法模块设计与实现 | 第75-78页 |
4.5 客户端应用程序设计与实现 | 第78-86页 |
4.5.1 功能模块设计与实现 | 第78-81页 |
4.5.2 用户行为监测实现 | 第81-84页 |
4.5.3 系统性能优化 | 第84-86页 |
4.6 远程通信模块设计与实现 | 第86-91页 |
4.6.1 网络通信模式选择 | 第86-87页 |
4.6.2 数据传输方式设计 | 第87-89页 |
4.6.3 远程通信模块实现 | 第89-91页 |
4.7 系统部署与测试 | 第91页 |
4.8 本章小结 | 第91-92页 |
第5章 总结与展望 | 第92-94页 |
参考文献 | 第94-99页 |
攻读学位期间公开发表论文 | 第99-100页 |
致谢 | 第100页 |