基于用户行为的电子商务推荐算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究目的及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.2.1 国内研究现状 | 第13-14页 |
| 1.2.2 国外研究现状 | 第14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 推荐系统概述 | 第16-26页 |
| 2.1 推荐系统 | 第16页 |
| 2.2 推荐系统的算法概述 | 第16-22页 |
| 2.2.1 协同过滤推荐算法 | 第16-19页 |
| 2.2.2 基于用户-项目的Top-N推荐算法 | 第19页 |
| 2.2.3 基于内容的推荐算法 | 第19-20页 |
| 2.2.4 基于图结构的推荐算法 | 第20-21页 |
| 2.2.5 混合推荐算法 | 第21页 |
| 2.2.6 其他推荐算法 | 第21-22页 |
| 2.3 现有算法比较 | 第22-24页 |
| 2.3.1 存在的问题 | 第22-23页 |
| 2.3.2 现有算法的优缺点 | 第23-24页 |
| 2.4 推荐系统评价指标 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 基于用户行为的推荐算法设计 | 第26-33页 |
| 3.1 对用户行为的分析 | 第26页 |
| 3.2 对用户行为与商品建模 | 第26页 |
| 3.3 可行性推荐算法 | 第26-32页 |
| 3.3.1 改进的协同过滤算法 | 第27-29页 |
| 3.3.2 K-means聚类算法 | 第29-31页 |
| 3.3.3 SVD算法 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 混合推荐算法的研究与设计 | 第33-39页 |
| 4.1 混合推荐技术的可行性 | 第33页 |
| 4.2 混合推荐系统的研究现状 | 第33-34页 |
| 4.3 对协同推荐算法的混合策略研究 | 第34-35页 |
| 4.3.1 与基于内容的推荐算法混合 | 第34-35页 |
| 4.3.2 与K-means聚类算法混合 | 第35页 |
| 4.4 基于用户行为的混合推荐算法设计 | 第35-37页 |
| 4.4.1 基本思想 | 第35-37页 |
| 4.4.2 算法流程 | 第37页 |
| 4.5 本章小结 | 第37-39页 |
| 第5章 基于用户行为推荐算法的实验与分析 | 第39-47页 |
| 5.1 实验流程 | 第39页 |
| 5.2 数据集介绍 | 第39-40页 |
| 5.3 数据预处理 | 第40-41页 |
| 5.3.1 划分数据集 | 第40-41页 |
| 5.3.2 聚类处理 | 第41页 |
| 5.4 实验步骤 | 第41-43页 |
| 5.4.1 提取特征 | 第41-42页 |
| 5.4.2 归一化处理 | 第42-43页 |
| 5.4.3 调整参数 | 第43页 |
| 5.5 评判指标 | 第43-44页 |
| 5.6 实验结果 | 第44-46页 |
| 5.7 本章小结 | 第46-47页 |
| 第6章 结论 | 第47-49页 |
| 6.1 全文总结 | 第47页 |
| 6.2 工作展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 作者简介 | 第52-53页 |
| 致谢 | 第53页 |
