电子商务个性化推荐算法设计与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题的背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·个性化推荐系统面临的主要挑战 | 第12-14页 |
| ·本文的主要研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-17页 |
| 第二章 电子商务个性化推荐系统 | 第17-37页 |
| ·个性化推荐系统概述 | 第17-22页 |
| ·个性化推荐系统的作用 | 第17-18页 |
| ·个性化推荐系统的框架及流程 | 第18-20页 |
| ·个性化推荐系统的评价指标 | 第20-22页 |
| ·个性化推荐系统的分类 | 第22页 |
| ·个性化推荐方法 | 第22-30页 |
| ·协同过滤推荐 | 第23-26页 |
| ·其他推荐技术 | 第26-30页 |
| ·相关技术 | 第30-36页 |
| ·数据挖掘 | 第30-32页 |
| ·聚类 | 第32-36页 |
| ·小结 | 第36-37页 |
| 第三章 基于项目簇偏好的用户聚类 | 第37-48页 |
| ·基于项目属性特征的项目聚类 | 第37-42页 |
| ·项目的属性相似性 | 第38-40页 |
| ·引入模糊聚类技术 | 第40-42页 |
| ·基于项目簇偏好的用户聚类算法改进 | 第42-46页 |
| ·K-means 聚类算法 | 第43页 |
| ·基于项目簇偏好的 K-means 算法改进 | 第43-46页 |
| ·算法设计 | 第46-48页 |
| 第四章 基于项目相关性的协同过滤推荐 | 第48-55页 |
| ·基于用户的协同过滤推荐算法 | 第48-51页 |
| ·基于用户的协同过滤推荐过程 | 第48-50页 |
| ·基于用户的协同过滤算法分析 | 第50-51页 |
| ·改进的协同过滤推荐算法的设计思想 | 第51-53页 |
| ·基于项目相关性的用户相似性计算 | 第51-52页 |
| ·基于时间加权的预测评分 | 第52-53页 |
| ·算法设计 | 第53-55页 |
| 第五章 实验与分析 | 第55-62页 |
| ·实验数据 | 第55-56页 |
| ·数据集介绍 | 第55-56页 |
| ·数据集选取 | 第56页 |
| ·实验设计 | 第56-57页 |
| ·评价标准 | 第56-57页 |
| ·实验方案 | 第57页 |
| ·实验结果及分析 | 第57-62页 |
| ·最近邻居搜寻效率实验 | 第57-60页 |
| ·协同过滤算法对比实验 | 第60-62页 |
| 第六章 总结 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士期间发表的论文及参加的科研项目 | 第69页 |
