| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-17页 |
| 1.1 课题的背景与来源 | 第13-14页 |
| 1.2 课题的研究目的与意义 | 第14页 |
| 1.3 研究的目标与内容 | 第14页 |
| 1.4 研究的技术路线与方法 | 第14-15页 |
| 1.5 论文的结构安排 | 第15-17页 |
| 第2章 相关研究综述 | 第17-25页 |
| 2.1 大规模定制和产品平台 | 第17-19页 |
| 2.1.1 大规模定制 | 第17-18页 |
| 2.1.2 产品平台 | 第18-19页 |
| 2.2 电子商务推荐算法概述 | 第19-23页 |
| 2.2.1 电子商务推荐系统 | 第19页 |
| 2.2.2 电子商务推荐算法的分类 | 第19-20页 |
| 2.2.3 电子商务推荐算法的比较分析 | 第20-23页 |
| 2.3 系统实现的相关方法简介 | 第23-24页 |
| 2.3.1 关联规则 | 第23页 |
| 2.3.2 联合分析 | 第23-24页 |
| 2.3.3 协同过滤 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 关联规则在基于产品平台的可定制产品推荐系统中的应用 | 第25-37页 |
| 3.1 关联规则概述 | 第25-27页 |
| 3.1.1 关联规则的基本定义 | 第25-26页 |
| 3.1.2 关联规则挖掘过程 | 第26页 |
| 3.1.3 关联规则算法概述 | 第26-27页 |
| 3.2 关联规则推荐算法 | 第27-29页 |
| 3.2.1 关联规则推荐算法简介 | 第27-28页 |
| 3.2.2 关联规则推荐算法设计 | 第28-29页 |
| 3.2.3 关联规则推荐算法案例分析 | 第29页 |
| 3.3 可定制产品的关联规则推荐算法 | 第29-36页 |
| 3.3.1 问题描述 | 第29-31页 |
| 3.3.2 寻找最近邻居 | 第31-33页 |
| 3.3.3 产生关联规则推荐 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 联合分析在基于产品平台的可定制产品推荐系统中的应用 | 第37-49页 |
| 4.1 正交实验设计 | 第37-40页 |
| 4.1.1 正交试验设计方法概述 | 第37页 |
| 4.1.2 正交表 | 第37-39页 |
| 4.1.3 正交试验方案设计 | 第39-40页 |
| 4.2 回归分析 | 第40-43页 |
| 4.2.1 回归分析概述 | 第40-41页 |
| 4.2.2 回归分析的步骤 | 第41-42页 |
| 4.2.3 最小二乘法 | 第42-43页 |
| 4.3 可定制产品的联合分析推荐算法 | 第43-48页 |
| 4.3.1 联合分析概述 | 第43-44页 |
| 4.3.2 联合分析法的基本模型 | 第44-45页 |
| 4.3.3 可定制产品的联合分析推荐算法 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 协同过滤在基于产品平台的可定制产品推荐系统中的应用 | 第49-55页 |
| 5.1 用户数据的收集 | 第49-50页 |
| 5.1.1 数据收集方式 | 第49页 |
| 5.1.2 显示评分 | 第49页 |
| 5.1.3 隐式评分 | 第49-50页 |
| 5.2 相似度量方法分析 | 第50-51页 |
| 5.2.1 余弦相似性 | 第50页 |
| 5.2.2 相关相似性 | 第50页 |
| 5.2.3 修正的余弦相似性 | 第50-51页 |
| 5.3 可定制产品的协同过滤推荐算法 | 第51-53页 |
| 5.3.1 问题描述 | 第51-52页 |
| 5.3.2 寻找最近邻居集合 | 第52页 |
| 5.3.3 产生推荐 | 第52-53页 |
| 5.4 本章小结 | 第53-55页 |
| 第6章 手机平台推荐系统的设计与开发 | 第55-73页 |
| 6.1 系统总体目标 | 第55页 |
| 6.2 系统总体设计 | 第55-58页 |
| 6.2.1 系统的体系结构及开发环境 | 第55页 |
| 6.2.2 系统数据流图 | 第55-58页 |
| 6.2.3 系统的功能结构 | 第58页 |
| 6.3 系统数据库设计 | 第58-62页 |
| 6.3.1 数据库概念设计 | 第58-60页 |
| 6.3.2 数据库逻辑模型 | 第60-61页 |
| 6.3.3 数据库物理模型 | 第61-62页 |
| 6.4 系统功能详细设计 | 第62-65页 |
| 6.4.1 关联规则推荐模块设计 | 第62-63页 |
| 6.4.2 联合分析推荐模块设计 | 第63-64页 |
| 6.4.3 协同过滤推荐模块设计 | 第64-65页 |
| 6.5 系统实现及各推荐功能模块的应用实例 | 第65-71页 |
| 6.5.1 关联规则推荐 | 第65-68页 |
| 6.5.2 联合分析推荐 | 第68-69页 |
| 6.5.3 协同过滤推荐 | 第69-71页 |
| 6.6 本章小结 | 第71-73页 |
| 第7章 结论与展望 | 第73-75页 |
| 7.1 本文总结 | 第73页 |
| 7.2 下一步工作 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士期间从事科学研究、获奖情况及发明专利等项 | 第81页 |
