基于专家决策算法的电子商务推荐系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 目录 | 第9-12页 |
| 第1章 引言 | 第12-17页 |
| ·研究背景 | 第12页 |
| ·国内外的研究现状 | 第12-13页 |
| ·本文的主要研究目标与内容 | 第13-16页 |
| ·研究目标 | 第13页 |
| ·研究内容 | 第13-14页 |
| ·论文组织结构 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 电子商务推荐系统相关技术研究 | 第17-20页 |
| ·电子商务推荐系统分类 | 第17-18页 |
| ·相关技术研究 | 第18-19页 |
| ·信息检索技术 | 第18页 |
| ·信息过滤技术 | 第18-19页 |
| ·研究目标数据挖掘技术 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第3章 Agent理论研究 | 第20-28页 |
| ·Agent技术简介 | 第20页 |
| ·JADE开发平台 | 第20-24页 |
| ·FIPA规范 | 第21-22页 |
| ·基于JADE的开发环境简介 | 第22-24页 |
| ·多Agent系统体系 | 第24-27页 |
| ·Agent通信 | 第24-26页 |
| ·多Agent系统模式设计 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第4章 主流电子商务推荐系统策略分析 | 第28-43页 |
| ·基于关联规则的推荐策略 | 第28-32页 |
| ·关联规则算法概述 | 第28-29页 |
| ·Apriori算法 | 第29-31页 |
| ·Top-N推荐算法 | 第31-32页 |
| ·基于内容的推荐策略 | 第32-36页 |
| ·基于内容的推荐算法概述 | 第32-34页 |
| ·基于文本的推荐算法分析 | 第34-35页 |
| ·Rocchio算法 | 第35-36页 |
| ·基于协同过滤的推荐策略 | 第36-41页 |
| ·DAKNNs算法分析 | 第38-40页 |
| ·基于内存的协同过滤推荐算法 | 第40-41页 |
| ·基于降维的协同过滤推荐算法 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第5章 专家决策算法分析 | 第43-48页 |
| ·专家决策算法概述 | 第43页 |
| ·专家决策算法的实现流程及分析 | 第43-47页 |
| ·专家知识分析模块 | 第43-44页 |
| ·专家决策推荐模块 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第6章 系统设计与结果测试 | 第48-60页 |
| ·多Agent系统框架设计 | 第48-50页 |
| ·Agent模型设计与实现 | 第50-54页 |
| ·用户交互Agent模块 | 第50-51页 |
| ·专家知识分析Agent模块 | 第51-52页 |
| ·专家决策推荐Agent模块 | 第52-54页 |
| ·数据库的设计 | 第54-56页 |
| ·原始商品数据库 | 第55-56页 |
| ·用户档案数据库 | 第56页 |
| ·决策矩阵数据库 | 第56页 |
| ·算法模型的实验测试 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间发表的学术论文 | 第66页 |
