| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-17页 |
| 1.2.1 旅游电子商务的发展现状 | 第11-12页 |
| 1.2.2 电子商务推荐系统的研究现状 | 第12-14页 |
| 1.2.3 协同过滤推荐技术的研究现状 | 第14-15页 |
| 1.2.4 多属性问题的研究现状 | 第15-17页 |
| 1.3 论文的研究内容和结构安排 | 第17-19页 |
| 1.3.1 论文的研究内容 | 第17页 |
| 1.3.2 论文的结构安排 | 第17-19页 |
| 第2章 电子商务个性化推荐系统及推荐技术的研究 | 第19-32页 |
| 2.1 电子商务个性化推荐系统综述 | 第19-20页 |
| 2.1.1 电子商务个性化推荐系统概念 | 第19页 |
| 2.1.2 电子商务个性化推荐系统的作用 | 第19-20页 |
| 2.2 电子商务个性化推荐系统的相关技术与分析 | 第20-24页 |
| 2.2.1 基于规则推荐 | 第20-21页 |
| 2.2.2 基于项目内容的推荐 | 第21页 |
| 2.2.3 基于协同过滤的推荐 | 第21-22页 |
| 2.2.4 基于用户统计信息的推荐 | 第22页 |
| 2.2.5 基于效用的推荐 | 第22页 |
| 2.2.6 基于知识的推荐 | 第22-24页 |
| 2.3 协同过滤推荐技术的研究 | 第24-28页 |
| 2.3.1 User-based 算法 | 第24-26页 |
| 2.3.2 Item-based 算法 | 第26-28页 |
| 2.4 推荐系统评测方法 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于多属性打分的协同过滤算法 | 第32-42页 |
| 3.1 传统协同过滤推荐算法存在的主要不足之处 | 第32页 |
| 3.2 电子商务领域中的多属性打分 | 第32-34页 |
| 3.3 多属性打分的协同过滤算法模型 | 第34-41页 |
| 3.3.1 基于相似性的扩展协同过滤算法 | 第34-38页 |
| 3.3.2 基于属性偏好的协同过滤算法 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 实验数据收集及算法结果分析 | 第42-51页 |
| 4.1 实验数据的来源和收集 | 第42-44页 |
| 4.2 算法评测 | 第44页 |
| 4.3 算法结果分析 | 第44-50页 |
| 4.3.1 传统协同过滤算法与基于属性相似性平均及基于距离的协同过滤算法比较分析 | 第45-48页 |
| 4.3.2 传统协同过滤算法与基于属性偏好的协同过滤算法比较分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-59页 |
| 附录 | 第59-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |