基于用户行为特征的水果搭配混合推荐方法设计与实现
| 摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 推荐系统概述 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 研究内容与组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 相关理论与技术分析 | 第14-28页 |
| 2.1 推荐算法分析 | 第14-18页 |
| 2.1.1 基于内容的过滤 | 第14-15页 |
| 2.1.2 关联规则 | 第15页 |
| 2.1.3 协同过滤 | 第15-16页 |
| 2.1.4 混合推荐 | 第16-17页 |
| 2.1.5 算法对比分析 | 第17-18页 |
| 2.2 相似度计算 | 第18-21页 |
| 2.2.1 常用相似度算法 | 第18-19页 |
| 2.2.2 加权相似度算法 | 第19-20页 |
| 2.2.3 分析比较 | 第20-21页 |
| 2.3 用户行为分析 | 第21-25页 |
| 2.3.1 行为分类比较 | 第21-22页 |
| 2.3.2 行为特征权重算法 | 第22-24页 |
| 2.3.3 组合权重法 | 第24-25页 |
| 2.4 推荐质量评价 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 用户行为特征建模与兴趣度计算 | 第28-40页 |
| 3.1 用户行为采集与预处理 | 第28-31页 |
| 3.1.1 电子商务中用户行为分析 | 第28-29页 |
| 3.1.2 用户行为采集 | 第29-30页 |
| 3.1.3 数据预处理 | 第30-31页 |
| 3.2 用户行为特征建模 | 第31-34页 |
| 3.2.1 用户行为用例描述 | 第31-32页 |
| 3.2.2 特征向量建立 | 第32-34页 |
| 3.3 用户行为兴趣度计算 | 第34-39页 |
| 3.3.1 用户行为权重计算 | 第34-36页 |
| 3.3.2 生成用户物品兴趣度矩阵 | 第36-37页 |
| 3.3.3 用户行为数据分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 推荐算法设计与实现 | 第40-54页 |
| 4.1 水果搭配混合推荐算法设计 | 第40-45页 |
| 4.1.1 问题分析 | 第40-41页 |
| 4.1.2 水果搭配规则库设计 | 第41-43页 |
| 4.1.3 混合推荐策略设计 | 第43页 |
| 4.1.4 混合推荐算法框架设计 | 第43-45页 |
| 4.2 水果搭配混合推荐算法实现 | 第45-49页 |
| 4.2.1 兴趣度矩阵生成 | 第45-46页 |
| 4.2.2 最近邻居生成 | 第46-47页 |
| 4.2.3 Top-N推荐 | 第47-48页 |
| 4.2.4 水果搭配推荐 | 第48页 |
| 4.2.5 混合推荐算法实现流程 | 第48-49页 |
| 4.3 推荐算法应用 | 第49-53页 |
| 4.3.1 需求分析 | 第49-50页 |
| 4.3.2 框架设计 | 第50-51页 |
| 4.3.3 数据库设计 | 第51-52页 |
| 4.3.4 商城设计与实现 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 实验结果分析 | 第54-62页 |
| 5.1 实验准备 | 第54-56页 |
| 5.1.1 实验数据集 | 第54-55页 |
| 5.1.2 实验评价标准 | 第55页 |
| 5.1.3 实验测试软件设计 | 第55-56页 |
| 5.2 实验设计与分析 | 第56-60页 |
| 5.2.1 兴趣度预测质量比较 | 第56-58页 |
| 5.2.2 Top-N推荐质量比较 | 第58-60页 |
| 5.3 本章小结 | 第60-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 硕士学位期间取得的科研成果 | 第70-71页 |
