| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 引言 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究状况 | 第9-12页 |
| 1.3 论文的组织结构 | 第12页 |
| 1.3.1 论文的主要内容 | 第12页 |
| 1.3.2 论文的组织结构 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 2 电子商务个性化推荐系统综述 | 第13-24页 |
| 2.1 电子商务理论简介 | 第13-14页 |
| 2.2 电子商务的规模化、本地化和个性化 | 第14-15页 |
| 2.3 电子商务推荐系统的作用 | 第15-16页 |
| 2.4 电子商务推荐系统的结构 | 第16-18页 |
| 2.4.1 输入模块 | 第17页 |
| 2.4.2 输出模块 | 第17-18页 |
| 2.4.3 推荐模块 | 第18页 |
| 2.5 推荐系统技术 | 第18-23页 |
| 2.5.1 关联规则 | 第19-20页 |
| 2.5.2 协同过滤技术 | 第20-21页 |
| 2.5.3 基于内容的推荐技术 | 第21-22页 |
| 2.5.4 基于知识的推荐技术 | 第22页 |
| 2.5.5 各推荐技术比较 | 第22-23页 |
| 2.5.6 混合推荐技术 | 第23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 协同过滤算法与分析 | 第24-37页 |
| 3.1 协同过滤的方法步骤 | 第24-27页 |
| 3.1.1 收集偏好信息 | 第24-26页 |
| 3.1.2 找出相似用户或物品 | 第26-27页 |
| 3.1.3 得出推荐 | 第27页 |
| 3.2 协同过滤的分类 | 第27-36页 |
| 3.2.1 基于内存的协同过滤 | 第27-30页 |
| 3.2.2 基于模型的协同过滤方法 | 第30-36页 |
| 3.2.3 混合的协同过滤 | 第36页 |
| 3.3 各协同过滤方法比较 | 第36-37页 |
| 3.4 本章小结 | 第37页 |
| 4 基于 CART 的协同过滤算法 | 第37-45页 |
| 4.1 问题的提出 | 第37-39页 |
| 4.2 分类回归树的介绍 | 第39-40页 |
| 4.3 基于 CART 的协同过滤算法的设计 | 第40-42页 |
| 4.3.1 算法的框架及描述 | 第40-41页 |
| 4.3.2 基于 CART 的协同过滤算法的实现过程 | 第41-42页 |
| 4.4 实验结果及分析 | 第42-44页 |
| 4.4.1 实验数据和实验环境 | 第42页 |
| 4.4.2 评价指标 | 第42-43页 |
| 4.4.3 实验结果及讨论 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 5 总结和展望 | 第45-47页 |
| 5.1 本文的工作总结 | 第45页 |
| 5.2 未来工作展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 附录 | 第51-52页 |
| 作者在攻读硕士学位期间发表的论文 | 第51-52页 |
| 详细摘要 | 第52-70页 |