| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 国外研究现状 | 第11-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.2.3 国内外研究评述 | 第16-17页 |
| 1.3 本文研究的主要内容和方法 | 第17-19页 |
| 1.3.1 本文研究的主要内容 | 第17-18页 |
| 1.3.2 主要研究方法 | 第18-19页 |
| 第2章 相关概念和理论基础 | 第19-31页 |
| 2.1 数据挖掘技术 | 第19-25页 |
| 2.1.1 数据挖掘的定义及流程 | 第19-20页 |
| 2.1.2 数据挖掘的任务 | 第20-21页 |
| 2.1.3 关联规则 | 第21-23页 |
| 2.1.4 加权关联规则 | 第23-25页 |
| 2.2 网络营销 | 第25-27页 |
| 2.2.1 网络营销定义 | 第26页 |
| 2.2.2 关联营销的定义和内容 | 第26-27页 |
| 2.2.3 个性化推荐关联营销 | 第27页 |
| 2.3 个性化推荐技术 | 第27-30页 |
| 2.3.1 用户行为定义及描述 | 第28页 |
| 2.3.2 个性化推荐技术定义 | 第28-29页 |
| 2.3.3 个性化推荐技术分类 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 网络营销现状及个性化推荐设想 | 第31-41页 |
| 3.1 电子商务网络营销现状及存在问题 | 第31-34页 |
| 3.1.1 电子商务网络营销现状 | 第31-33页 |
| 3.1.2 网络营销中个性化推荐存在的问题 | 第33-34页 |
| 3.2 关联规则在电子商务中的应用 | 第34-36页 |
| 3.2.1 Apriori 算法在电子商务中的应用 | 第34-36页 |
| 3.2.2 电子商务中 Apriori 算法的局限性 | 第36页 |
| 3.3 基于用户行为的个性化推荐设想 | 第36-40页 |
| 3.3.1 电子商务中用户隐性行为表现 | 第36-37页 |
| 3.3.2 需求分析 | 第37-38页 |
| 3.3.3 设计路线 | 第38-39页 |
| 3.3.4 可行性分析 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 RBCPR 模型的个性化推荐体系构建 | 第41-53页 |
| 4.1 RBCPR 模型构建 | 第41-47页 |
| 4.1.1 RBCPR 模型的建立 | 第41-44页 |
| 4.1.2 RBCPR 模型的算法描述 | 第44-46页 |
| 4.1.3 模型检验 | 第46-47页 |
| 4.2 RBCPR 模型的个性化推荐体系架构 | 第47-51页 |
| 4.2.1 虚拟关联模块 | 第49-50页 |
| 4.2.2 推荐模块 | 第50-51页 |
| 4.2.3 推荐反馈模块 | 第51页 |
| 4.3 本章小结 | 第51-53页 |
| 第5章 RBCPR 模型的个性化推荐营销策略 | 第53-65页 |
| 5.1 RBCPR 模型的实例分析 | 第53-61页 |
| 5.1.1 数据来源 | 第53-55页 |
| 5.1.2 数据分析 | 第55-61页 |
| 5.2 个性化推荐的主要策略 | 第61-64页 |
| 5.2.1 目标用户定位策略 | 第61-62页 |
| 5.2.2 产品关联的策略 | 第62-63页 |
| 5.2.3 网页关联的策略 | 第63-64页 |
| 5.3 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |