| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题背景与研究意义 | 第10-11页 |
| 1.2 研究内容与结构安排 | 第11-13页 |
| 1.3 研究方法与技术路线 | 第13-14页 |
| 1.4 研究重点和研究难点 | 第14页 |
| 1.5 本章小结 | 第14-16页 |
| 第二章 理论基础与文献综述 | 第16-24页 |
| 2.1 制造企业C2B个性化定制理论基础与文献综述 | 第16-21页 |
| 2.1.1 C2B电子商务及相关综述 | 第16-18页 |
| 2.1.2 制造企业个性化定制综述 | 第18-21页 |
| 2.2 电子商务智能推荐理论基础与文献综述 | 第21-23页 |
| 2.2.1 智能推荐系统的构成 | 第21-22页 |
| 2.2.2 智能推荐的经典技术 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 制造企业C2B个性化定制及其智能推荐现状与改进必要性 | 第24-32页 |
| 3.1 制造企业个性化定制及其智能推荐现状分析 | 第24-27页 |
| 3.2 个性化定制智能推荐改进必要性 | 第27-30页 |
| 3.2.1 消费者角度改进的必要性 | 第28-29页 |
| 3.2.2 制造企业角度改进必要性 | 第29-30页 |
| 3.3 本章小结 | 第30-32页 |
| 第四章 制造企业面向C2B个性化定制的智能推荐系统改进研究 | 第32-40页 |
| 4.1 面向C2B个性化推荐的智能推荐系统改进思路 | 第32-34页 |
| 4.1.1 引入分步式的思想 | 第32页 |
| 4.1.2 调用历史定制记录 | 第32-33页 |
| 4.1.3 保留两类推荐模块 | 第33页 |
| 4.1.4 增加企业主体参与 | 第33-34页 |
| 4.1.5 应用结果反馈机制 | 第34页 |
| 4.2 改进后智能推荐系统框架设计 | 第34-36页 |
| 4.2.1 改进后智能推荐系统框架 | 第34-35页 |
| 4.2.2 改进后智能推荐系统模型 | 第35-36页 |
| 4.3 制造企业面向C2B个性化定制与推荐流程 | 第36-39页 |
| 4.3.1 一般电子商务推荐流程 | 第36-38页 |
| 4.3.2 个性化定制与推荐流程 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 制造企业面向C2B个性化定制的智能推荐算法改进研究 | 第40-50页 |
| 5.1 现有推荐算法局限性 | 第40-42页 |
| 5.1.1 个性化定制中协同过滤推荐算法的局限性 | 第40-41页 |
| 5.1.2 个性化定制中基于内容推荐算法的局限性 | 第41-42页 |
| 5.2 分步式智能推荐算法改进策略 | 第42-44页 |
| 5.2.1 采用隐式反馈数据 | 第43页 |
| 5.2.2 分离独立推荐步骤 | 第43页 |
| 5.2.3 考虑属性的相关性 | 第43-44页 |
| 5.3 个性化定制中分步式智能推荐算法 | 第44-49页 |
| 5.3.1 收集用户历史定制记录 | 第44-45页 |
| 5.3.2 计算物品属性值相似度 | 第45-47页 |
| 5.3.3 度量目标用户兴趣偏好 | 第47-48页 |
| 5.3.4 生成推荐结果辅助定制 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第六章 制造企业面向C2B个性化定制的分步式智能推荐应用举例 | 第50-62页 |
| 6.1 制造企业的应用背景 | 第50-51页 |
| 6.2 数据来源与实验环境 | 第51-54页 |
| 6.3 面向个性化定制的推荐过程 | 第54-60页 |
| 6.3.1 颜色属性的推荐 | 第54-56页 |
| 6.3.2 发动机属性推荐 | 第56-58页 |
| 6.3.3 车型属性的推荐 | 第58-59页 |
| 6.3.4 车灯属性的推荐 | 第59-60页 |
| 6.4 生成推荐结果及评述 | 第60-61页 |
| 6.5 本章小结 | 第61-62页 |
| 第七章 总结与展望 | 第62-66页 |
| 7.1 全文总结 | 第62-63页 |
| 7.2 全文展望 | 第63-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 作者简介 | 第72页 |
