| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-20页 |
| ·课题背景 | 第9-10页 |
| ·电子商务推荐系统与个性化服务 | 第10-11页 |
| ·电子商务推荐系统的主要研究内容及研究动态 | 第11-15页 |
| ·电子商务推荐系统主要的研究内容 | 第11-12页 |
| ·推荐系统研究现状 | 第12-13页 |
| ·推荐系统的实例 | 第13-15页 |
| ·电子商务推荐系统的输入/输出 | 第15-17页 |
| ·电子商务推荐系统的输入 | 第15-16页 |
| ·电子商务推荐系统的输出 | 第16-17页 |
| ·推荐系统在电子商务中的意义 | 第17-18页 |
| ·本文工作 | 第18-20页 |
| ·研究内容及成果 | 第18-19页 |
| ·本文结构 | 第19-20页 |
| 第二章 电子商务推荐算法 | 第20-34页 |
| ·电子商务推荐算法分类 | 第20-21页 |
| ·电子商务推荐方法 | 第21-31页 |
| ·知识工程 | 第21-22页 |
| ·基于内容的推荐方法 | 第22页 |
| ·协同过滤推荐算法 | 第22-30页 |
| ·协同过滤方法与基于内容方法的比较 | 第30页 |
| ·混合推荐方法 | 第30-31页 |
| ·电子商务推荐算法面临的主要挑战 | 第31-32页 |
| ·数据挖掘 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第三章 基于项目类别相似性和用户多兴趣的协同过滤推荐算法 | 第34-54页 |
| ·传统协同过滤方法分析 | 第34-35页 |
| ·User-based协同过滤推荐算法分析 | 第34-35页 |
| ·Item-based协同过滤推荐算法分析 | 第35页 |
| ·已有工作的分析 | 第35-39页 |
| ·传统相似性度量方法分析 | 第35-37页 |
| ·已有算法的分析 | 第37-39页 |
| ·改进的项目相似性度量方法 | 第39-47页 |
| ·引入类别属性相似性 | 第40-41页 |
| ·类别相似性算法的表示及计算 | 第41-44页 |
| ·引入模糊聚类技术 | 第44-46页 |
| ·综合计算相似性 | 第46-47页 |
| ·项目相似性增量计算算法 | 第47-49页 |
| ·多兴趣推荐的解决思路 | 第49页 |
| ·基于项目类别相似性和用户多兴趣的协同过滤推荐算法 | 第49-52页 |
| ·用户最近邻的搜索 | 第50-51页 |
| ·推荐产生 | 第51-52页 |
| ·算法分析 | 第52页 |
| ·小结 | 第52-54页 |
| 第四章 协同过滤算法的仿真与测试 | 第54-65页 |
| ·数据集 | 第54-55页 |
| ·实验设计 | 第55-64页 |
| ·实验数据集的选取 | 第55-56页 |
| ·实验环境 | 第56页 |
| ·度量标准 | 第56-57页 |
| ·确定参数的敏感度 | 第57-61页 |
| ·算法性能比较 | 第61-63页 |
| ·总程序设计流程图 | 第63-64页 |
| ·小结 | 第64-65页 |
| 第五章 总结 | 第65-67页 |
| ·本文的工作 | 第65-66页 |
| ·进一步的工作 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表科研成果 | 第70-71页 |
| 致谢 | 第71页 |