基于中小型电商平台的个性化推荐系统建模
摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第1章 绪论 | 第9-12页 |
1.1 引言 | 第9页 |
1.2 推荐系统国内外应用的现状 | 第9-10页 |
1.3 本文所做的工作 | 第10-12页 |
1.3.1 中小型电商搭建推荐系统的难度 | 第10-11页 |
1.3.2 本文的主要研究内容 | 第11-12页 |
第2章 推荐系统简介及常用推荐方案分析 | 第12-19页 |
2.1 推荐系统简介 | 第12-13页 |
2.1.1 推荐系统的核心 | 第12页 |
2.1.2 推荐系统的数据基础 | 第12-13页 |
2.2 推荐系统与协同过滤算法 | 第13-14页 |
2.2.1 协同过滤推荐算法简介 | 第13页 |
2.2.2 协同过滤推荐算法细分 | 第13-14页 |
2.2.3 冷启动问题 | 第14页 |
2.3 个性化推荐方案研究 | 第14-19页 |
2.3.1 基于内容相关性推荐方案 | 第14-15页 |
2.3.2 基于用户相关性的推荐方案 | 第15-17页 |
2.3.3 基于物品的协同过滤推荐方案 | 第17-19页 |
第3章 中小型电商的个性化推荐方案选择 | 第19-22页 |
3.1 中小型电商的用户行为特点分析 | 第19页 |
3.1.1 初创阶段电商平台的特点 | 第19页 |
3.1.2 成长阶段电商平台的特点 | 第19页 |
3.2 适合中小型电商的个性化推荐方案 | 第19-22页 |
3.2.1 方案选择 | 第19-21页 |
3.2.2 策略间的权重设置 | 第21-22页 |
第4章 中小型电商推荐系统的信息收集方案 | 第22-31页 |
4.1 信息收集过程中需要注意的问题 | 第22-23页 |
4.1.1 信息收集的成本考虑 | 第22页 |
4.1.2 隐私和信息安全要求 | 第22-23页 |
4.1.3 数据清理和过滤 | 第23页 |
4.2 基于内容相关性推荐方案的信息收集方案 | 第23-26页 |
4.2.1 所需信息 | 第23-24页 |
4.2.2 信息收集方案设计 | 第24-26页 |
4.3 基于用户相关性推荐方案的信息收集方案 | 第26-28页 |
4.3.1 所需信息 | 第26-27页 |
4.3.2 信息收集方案设计 | 第27-28页 |
4.4 基于物品协同过滤推荐方案的信息收集方案 | 第28-31页 |
4.4.1 所需信息 | 第28页 |
4.4.2 信息收集方案设计 | 第28-29页 |
4.4.3 数据清理 | 第29-31页 |
第5章 中小型电商推荐模型的建立 | 第31-47页 |
5.1 基于内容相关的商品相似度建模 | 第31-36页 |
5.1.1 关键词标签的权重计算规则 | 第31页 |
5.1.2 其他属性标签的权重 | 第31-32页 |
5.1.3 相似度数据的存储格式 | 第32-33页 |
5.1.4 商品相似度模型的实现 | 第33-36页 |
5.2 基于客户静态属性的客户相似度建模 | 第36-40页 |
5.2.1 用户属性的权重设定 | 第36页 |
5.2.2 用户相似度数据的存储格式 | 第36页 |
5.2.3 用户相似度模型的实现 | 第36-40页 |
5.3 基于物品的协同过滤模型 | 第40-45页 |
5.3.1 用户行为的权重设定 | 第40页 |
5.3.2 用户行为的存储格式 | 第40-41页 |
5.3.3 协同过滤模型的实现 | 第41-45页 |
5.3.4 小结 | 第45页 |
5.4 三种推荐模型协同工作 | 第45-47页 |
第6章 试运行和推荐效果分析 | 第47-52页 |
6.1 试运行效果分析 | 第47页 |
6.2 试运行中遇到的问题 | 第47-50页 |
6.2.1 性能问题及其优化方案 | 第47-48页 |
6.2.2 测试用户对推荐系统的影响 | 第48-49页 |
6.2.3 热销商品的问题 | 第49-50页 |
6.3 改进后的效果分析 | 第50-52页 |
6.3.1 推荐质量分析 | 第50-51页 |
6.3.2 推荐效率分析 | 第51页 |
6.3.3 遗留问题 | 第51-52页 |
第7章 结论与展望 | 第52-53页 |
7.1 主要工作和创新点 | 第52页 |
7.2 展望 | 第52-53页 |
参考文献 | 第53-55页 |