| 中文摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 第一章 引言 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文的研究内容 | 第15页 |
| 1.4 论文的组织结构 | 第15-18页 |
| 第二章 关联规则个性化推荐相关概念 | 第18-26页 |
| 2.1 个性化推荐系统 | 第18-22页 |
| 2.1.1 个性化推荐系统的相关介绍 | 第18页 |
| 2.1.2 推荐系统的功能 | 第18-19页 |
| 2.1.3 基本算法思想 | 第19-22页 |
| 2.2 网络消费者行为 | 第22-23页 |
| 2.2.1 网络消费者网络评论行为 | 第22页 |
| 2.2.2 网络消费者购买行为 | 第22-23页 |
| 2.3 关联规则 | 第23-26页 |
| 2.3.1 关联规则相关概念 | 第23-24页 |
| 2.3.2 常用算法 | 第24-26页 |
| 第三章 基于层次分析法的关联规则推荐算法 | 第26-36页 |
| 3.1 层次分析法 | 第26-29页 |
| 3.1.1 层次分析法相关概念 | 第26-27页 |
| 3.1.2 层次分析法的应用步骤 | 第27-29页 |
| 3.2 基于层次分析法的关联规则推荐算法 | 第29-34页 |
| 3.2.1 挖掘推荐规则并计算推荐规则评分值 | 第29-31页 |
| 3.2.2 使用层次分析法选择最佳规则 | 第31-34页 |
| 3.3 实验分析 | 第34-35页 |
| 3.4 小结 | 第35-36页 |
| 第四章 基于行为和评分相似性的关联规则推荐算法 | 第36-50页 |
| 4.1 群决策 | 第36-38页 |
| 4.1.1 群决策简介 | 第36-37页 |
| 4.1.2 群体决策的优势 | 第37页 |
| 4.1.3 群决策研究内容框架 | 第37-38页 |
| 4.1.4 多属性群决策 | 第38页 |
| 4.2 相似性度量 | 第38-39页 |
| 4.2.1 相似性度量的常用方法 | 第38-39页 |
| 4.2.2 相似性度量的比较 | 第39页 |
| 4.3 基于行为和评分相似性的关联规则推荐算法 | 第39-43页 |
| 4.3.1 挖掘推荐规则 | 第39-40页 |
| 4.3.2 计算推荐规则评分值 | 第40-41页 |
| 4.3.3 生成推荐专家组并集结各组内专家推荐意见 | 第41-43页 |
| 4.3.4 对专家组的推荐意见进行排序给出最终推荐方案 | 第43页 |
| 4.4 算例分析 | 第43-46页 |
| 4.5 实验分析 | 第46-48页 |
| 4.6 小结 | 第48-50页 |
| 第五章 结论与展望 | 第50-52页 |
| 5.1 总结与结论 | 第50页 |
| 5.2 未来的展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间取得的研究成果 | 第56-58页 |
| 致谢 | 第58-60页 |
| 个人简况及联系方式 | 第60-62页 |
| 承诺书 | 第62-64页 |