| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 国内外研究现状 | 第10-11页 |
| 1.2.2 个性化推荐技术的应用 | 第11-12页 |
| 1.3 论文的主要工作 | 第12页 |
| 1.4 论文的组织框架 | 第12-14页 |
| 第二章 关键技术研究 | 第14-21页 |
| 2.1 推荐系统简介 | 第14-15页 |
| 2.2 常用推荐技术 | 第15-19页 |
| 2.2.1 基于协同过滤算法的推荐技术 | 第15-18页 |
| 2.2.2 基于知识的推荐技术 | 第18页 |
| 2.2.3 基于关联规则的推荐技术 | 第18-19页 |
| 2.3 聚类算法 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于隐语义模型和聚类算法的协同过滤算法 | 第21-32页 |
| 3.1 基于项目的协同过滤算法存在的问题 | 第21-24页 |
| 3.1.1 数据稀疏性问题 | 第21-23页 |
| 3.1.2 冷启动问题 | 第23-24页 |
| 3.1.3 时效性问题 | 第24页 |
| 3.2 基于隐语义模型和聚类算法的协同过滤算法 | 第24-31页 |
| 3.2.1 隐语义模型降维 | 第24-26页 |
| 3.2.2 k-means聚类算法聚类用户 | 第26页 |
| 3.2.3 生成降维后的项目向量 | 第26-27页 |
| 3.2.4 时间函数 | 第27-28页 |
| 3.2.5 项目初始属性填充 | 第28-29页 |
| 3.2.6 算法应用实例 | 第29-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 实验与分析 | 第32-38页 |
| 4.1 实验数据集 | 第32页 |
| 4.2 实验评测标准 | 第32-33页 |
| 4.3 实验结果与分析 | 第33-36页 |
| 4.3.1 IBCF算法三种余弦相似度计算方式性能比较 | 第33-34页 |
| 4.3.2 聚类算法的聚类数对CF-LFMC算法的影响 | 第34页 |
| 4.3.3 CF-LFMC算法同IBCF算法的性能比较 | 第34-35页 |
| 4.3.4 CF-LFMC算法同去掉时间函数的CF-LFMC算法的性能比较 | 第35-36页 |
| 4.3.5 CF-LFMC算法同去掉时间函数的CF-LFMC算法的性能比较 | 第36页 |
| 4.4 算法总结 | 第36-37页 |
| 4.4.1 数据稀疏性 | 第36页 |
| 4.4.2 冷启动问题 | 第36-37页 |
| 4.4.3 推荐时效性差 | 第37页 |
| 4.5 本章小结 | 第37-38页 |
| 第五章 电子商务个性化推荐系统的设计与实现 | 第38-49页 |
| 5.1 系统整体框架设计 | 第38-39页 |
| 5.2 运行及开发环境 | 第39页 |
| 5.3 数据库设计 | 第39-41页 |
| 5.4 系统时序关系 | 第41-42页 |
| 5.5 客户端设计与实现 | 第42-45页 |
| 5.5.1 登录/注册 | 第43-44页 |
| 5.5.2 主页/推荐列表页 | 第44-45页 |
| 5.5.3 商品详情页 | 第45页 |
| 5.6 服务端设计与实现 | 第45-48页 |
| 5.6.1 数据模块 | 第45-47页 |
| 5.6.2 推荐算法模块 | 第47-48页 |
| 5.6.3 系统管理模块 | 第48页 |
| 5.7 本章小结 | 第48-49页 |
| 第六章 结束语 | 第49-50页 |
| 6.1 论文相关工作总结 | 第49页 |
| 6.2 不足与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 作者攻读学位期间发表的学术论文目录 | 第55页 |
