基于人工免疫算法的电子商务推荐系统的研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·研究目标与论文结构 | 第13-16页 |
| ·研究意义 | 第13-14页 |
| ·本文的主要工作 | 第14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 电子商务推荐系统综述 | 第16-25页 |
| ·电子商务简介 | 第16页 |
| ·推荐系统简介 | 第16-25页 |
| ·推荐系统概念 | 第16-17页 |
| ·推荐系统构成 | 第17-18页 |
| ·推荐系统分类 | 第18-19页 |
| ·推荐技术概述 | 第19-22页 |
| ·推荐系统的作用 | 第22-23页 |
| ·推荐系统研究现状 | 第23-25页 |
| 第三章 协同过滤算法分析 | 第25-32页 |
| ·协同过滤技术概述 | 第25-26页 |
| ·协同过滤算法步骤 | 第26-30页 |
| ·协同过滤算法描述 | 第26页 |
| ·协同过滤推荐流程 | 第26-30页 |
| ·协同过滤算法分析 | 第30-32页 |
| ·协同过滤算法的挑战 | 第30页 |
| ·现有的改进方法 | 第30-32页 |
| 第四章 人工免疫算法综述 | 第32-43页 |
| ·人工免疫理论介绍 | 第32-36页 |
| ·生物免疫系统 | 第32-33页 |
| ·人工免疫算法的基本框架 | 第33-34页 |
| ·人工免疫网络的应用 | 第34-36页 |
| ·人工免疫系统问题描述 | 第36-41页 |
| ·推荐问题的形态空间模型 | 第36-37页 |
| ·最近邻的选择 | 第37-38页 |
| ·人工免疫算法 | 第38-41页 |
| ·人工免疫算法的实现步骤 | 第41-43页 |
| ·检索最近邻 | 第41-42页 |
| ·计算用户对评价项的预测值 | 第42页 |
| ·产生Top-N 推荐 | 第42-43页 |
| 第五章 基于人工免疫算法的电子商务推荐系统 | 第43-58页 |
| ·电子商务推荐系统分析 | 第43页 |
| ·基于自适应aiNet 的推荐算法 | 第43-47页 |
| ·自适应aiNet 算法原理 | 第43-44页 |
| ·基于自适应aiNet 算法流程 | 第44-46页 |
| ·算法分析 | 第46-47页 |
| ·基于聚类免疫的电子商务推荐系统 | 第47-52页 |
| ·聚类算法概述 | 第47页 |
| ·聚类免疫算法流程 | 第47-52页 |
| ·算法分析 | 第52页 |
| ·实验设计与结果分析 | 第52-58页 |
| ·实验数据集 | 第52-53页 |
| ·实验环境 | 第53页 |
| ·度量标准 | 第53-54页 |
| ·评估矩阵的构建 | 第54页 |
| ·实验结果与分析 | 第54-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·工作总结 | 第58页 |
| ·工作展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表的论文及参与的项目 | 第66页 |
