基于粒计算的移动电子商务推荐系统研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究目的与意义 | 第13-14页 |
| 1.2.1 研究目的 | 第13页 |
| 1.2.2 研究的意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.3.1 个性化推荐国内外研究现状 | 第14-15页 |
| 1.3.2 粒计算国内外研究现状 | 第15-18页 |
| 1.4 研究内容与框架 | 第18-20页 |
| 1.4.1 研究内容 | 第18页 |
| 1.4.2 研究框架 | 第18-20页 |
| 第2章 移动电子商务个性化推荐 | 第20-30页 |
| 2.1 个性化推荐系统概述 | 第20-22页 |
| 2.1.1 个性化推荐系统的概念 | 第20-21页 |
| 2.1.2 个性化推荐系统的作用 | 第21-22页 |
| 2.2 常见个性化推荐算法 | 第22-26页 |
| 2.2.1 基于内容的推荐 | 第22-23页 |
| 2.2.2 基于知识的推荐 | 第23页 |
| 2.2.3 基于协同过滤的推荐 | 第23-25页 |
| 2.2.4 混合推荐 | 第25-26页 |
| 2.3 移动电子商务特性 | 第26-27页 |
| 2.4 移动电商对个性化推荐的要求 | 第27-30页 |
| 第3章 粒计算理论与应用 | 第30-42页 |
| 3.1 粒计算的概念 | 第30-35页 |
| 3.1.1 粒度分析 | 第31-32页 |
| 3.1.2 粒层次 | 第32-34页 |
| 3.1.3 粒结构 | 第34-35页 |
| 3.2 个性化推荐属性分类 | 第35-40页 |
| 3.2.1 属性指标体系 | 第36-37页 |
| 3.2.2 个性化推荐属性分类 | 第37-39页 |
| 3.2.3 属性标准化方法 | 第39-40页 |
| 3.3 个性化推荐属性约简算法 | 第40-42页 |
| 第4章 基于粒计算的个性化推荐模型 | 第42-57页 |
| 4.1 影响用户兴趣的因素分析 | 第42-46页 |
| 4.1.1 项目信息 | 第42-43页 |
| 4.1.2 用户信息 | 第43-44页 |
| 4.1.3 情境信息 | 第44-46页 |
| 4.2 基于粒计算的用户兴趣模型 | 第46-51页 |
| 4.2.1 粒度用户兴趣模型构建 | 第46-48页 |
| 4.2.2 属性信息处理 | 第48-50页 |
| 4.2.3 属性加权矩阵 | 第50-51页 |
| 4.3 粒化相似度模型 | 第51-55页 |
| 4.3.1 情境相似度计算 | 第52-54页 |
| 4.3.2 用户兴趣度排序 | 第54-55页 |
| 4.4 基于粒计算的个性化推荐 | 第55-57页 |
| 第5章 个性化餐饮服务推荐实验 | 第57-65页 |
| 5.1 实验平台与数据源 | 第57-59页 |
| 5.1.1 实验平台 | 第57页 |
| 5.1.2 数据源 | 第57-59页 |
| 5.2 推荐结果评价指标 | 第59-61页 |
| 5.2.1 推荐准确度 | 第59-60页 |
| 5.2.2 推荐多样性 | 第60-61页 |
| 5.3 实验结果分析 | 第61-65页 |
| 结论 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间发表的论文 | 第72页 |
