基于关联规则和聚类分析的个性化推荐系统的研究与实现
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 引言 | 第12-13页 |
| 1.2 国内外理论研究现状 | 第13-14页 |
| 1.3 研究的内容与意义 | 第14-16页 |
| 1.3.1 研究的主要内容 | 第14-15页 |
| 1.3.2 研究的意义 | 第15-16页 |
| 1.4 论文的创新点 | 第16页 |
| 1.5 论文的内容安排 | 第16-17页 |
| 第2章 个性化推荐系统相关技术 | 第17-28页 |
| 2.1 数据挖掘技术概述 | 第17页 |
| 2.2 Web 数据挖掘技术概述 | 第17-19页 |
| 2.3 电子商务推荐系统 | 第19-24页 |
| 2.3.1 电子商务推荐系统概念 | 第19-20页 |
| 2.3.2 电子商务推荐系统模型 | 第20-23页 |
| 2.3.3 电子商务推荐系统的推荐算法 | 第23-24页 |
| 2.4 个性化推荐技术 | 第24-26页 |
| 2.5 移动电子商务对个性化推荐系统的要求 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于关联规则和聚类分析的结合算法 | 第28-40页 |
| 3.1 关联规则算法 | 第28-35页 |
| 3.1.1 深入介绍 | 第28-31页 |
| 3.1.2 关联规则经典算法 Apriori | 第31-35页 |
| 3.2 聚类分析算法 | 第35-37页 |
| 3.2.1 深入介绍 | 第35-36页 |
| 3.2.2 聚类分析经典算法 K-Means | 第36-37页 |
| 3.3 结合算法 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 iOS 购物系统的设计 | 第40-57页 |
| 4.1 系统概述 | 第40页 |
| 4.2 系统体系架构 | 第40-41页 |
| 4.3 运行环境 | 第41-42页 |
| 4.4 客户端设计 | 第42-46页 |
| 4.5 服务端设计 | 第46-51页 |
| 4.6 数据库的设计 | 第51-56页 |
| 4.7 本章小结 | 第56-57页 |
| 第5章 个性化推荐系统的实现 | 第57-69页 |
| 5.1 基于结合算法的个性化推荐系统模型 | 第57-58页 |
| 5.2 离线挖掘模块 | 第58-66页 |
| 5.2.1 数据净化 | 第58-59页 |
| 5.2.2 用户识别 | 第59-60页 |
| 5.2.3 会话识别 | 第60页 |
| 5.2.4 事务识别 | 第60-61页 |
| 5.2.5 数据挖掘 | 第61-66页 |
| 5.3 在线推荐模块 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第6章 结束语 | 第69-71页 |
| 6.1 论文工作总结 | 第69页 |
| 6.2 问题和展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 作者简介 | 第76-77页 |
| 致谢 | 第77页 |
