| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 研究的主要内容 | 第14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 相关理论与技术 | 第16-25页 |
| 2.1 协同过滤常用算法 | 第16-18页 |
| 2.1.1 基于用户的协同过滤 | 第16页 |
| 2.1.2 基于商品的协同过滤 | 第16-17页 |
| 2.1.3 基于K-means的协同过滤 | 第17-18页 |
| 2.2 相似度和预测评分计算方法 | 第18-21页 |
| 2.2.1 相似度计算方法 | 第18-20页 |
| 2.2.2 预测评分计算方法 | 第20-21页 |
| 2.3 推荐系统搭建技术 | 第21-24页 |
| 2.3.1 MVC技术 | 第21-22页 |
| 2.3.2 JavaServlet技术 | 第22-23页 |
| 2.3.3 SSH技术 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 协同过滤推荐算法的数据稀疏问题研究 | 第25-33页 |
| 3.1 概述 | 第25-26页 |
| 3.2 基于改进二分K-means的协同过滤算法 | 第26-30页 |
| 3.2.1 改进的二分K-means聚类方法 | 第26-28页 |
| 3.2.2 基于改进二分K-means的协同过滤算法实现 | 第28-30页 |
| 3.3 实验结果与分析 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 协同过滤推荐算法的冷启动问题研究 | 第33-41页 |
| 4.1 概述 | 第33页 |
| 4.2 基于比例均值预测评分法的协同过滤算法 | 第33-37页 |
| 4.2.1 比例均值预测评分法 | 第33-35页 |
| 4.2.2 基于比例均值预测评分法的协同过滤算法实现 | 第35-37页 |
| 4.3 实验结果与分析 | 第37-40页 |
| 4.3.1 新用户推荐 | 第37-39页 |
| 4.3.2 新商品推荐 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 基于协同过滤的购物网站推荐系统的分析与设计 | 第41-56页 |
| 5.1 系统需求分析 | 第41-42页 |
| 5.1.1 系统功能需求 | 第41-42页 |
| 5.1.2 系统性能需求 | 第42页 |
| 5.2 系统总体模块设计 | 第42-43页 |
| 5.3 系统框架结构设计 | 第43-44页 |
| 5.4 系统数据库设计 | 第44-50页 |
| 5.4.1 数据库设计原则 | 第44-45页 |
| 5.4.2 数据库表设计 | 第45-48页 |
| 5.4.3 数据库表之间关系 | 第48-50页 |
| 5.4.4 数据安全设计 | 第50页 |
| 5.5 系统业务流程设计 | 第50-55页 |
| 5.5.1 注册登录 | 第50-51页 |
| 5.5.2 用户操作 | 第51-52页 |
| 5.5.3 管理员操作 | 第52-53页 |
| 5.5.4 推荐功能 | 第53-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第六章 基于协同过滤的购物网站推荐系统的实现与测试 | 第56-67页 |
| 6.1 系统开发 | 第56页 |
| 6.2 系统功能实现 | 第56-60页 |
| 6.2.1 注册登录 | 第56-57页 |
| 6.2.2 用户功能 | 第57-58页 |
| 6.2.3 管理员功能 | 第58-59页 |
| 6.2.4 推荐功能 | 第59-60页 |
| 6.3 系统界面介绍 | 第60-63页 |
| 6.4 系统测试 | 第63-66页 |
| 6.4.1 软件测试原则 | 第63-64页 |
| 6.4.2 软件测试模型 | 第64-65页 |
| 6.4.3 系统性能测试工具 | 第65-66页 |
| 6.4.4 系统性能测试结果 | 第66页 |
| 6.5 本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| 7.1 总结 | 第67页 |
| 7.2 展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73页 |
