易制毒化学品供应商推荐系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-16页 |
| 2 相关理论与技术 | 第16-26页 |
| 2.1 个性化推荐系统 | 第16-24页 |
| 2.1.1 个性化推荐系统概述 | 第16页 |
| 2.1.2 个性化推荐系统通用模型 | 第16-18页 |
| 2.1.3 个性化推荐算法 | 第18-22页 |
| 2.1.4 个性化推荐系统常见问题 | 第22-23页 |
| 2.1.5 个性化推荐系统的评价标准 | 第23-24页 |
| 2.2 RFM模型 | 第24-26页 |
| 2.2.1 RFM模型简介 | 第24-25页 |
| 2.2.2 RFM模型对客户的细分 | 第25-26页 |
| 3 基于RFC模型与商品属性的协同过滤推荐 | 第26-40页 |
| 3.1 算法思想与过程 | 第26-28页 |
| 3.1.1 算法思想 | 第26-27页 |
| 3.1.2 算法过程 | 第27-28页 |
| 3.2 算法的实现 | 第28-35页 |
| 3.2.1 用户-商品RFC值的计算 | 第28页 |
| 3.2.2 用户-商品RFC评分的产生 | 第28-29页 |
| 3.2.3 RFC权重的确定 | 第29-30页 |
| 3.2.4 商品评分矩阵的构建 | 第30-31页 |
| 3.2.5 商品评分矩阵的填充 | 第31-33页 |
| 3.2.6 商品相似度矩阵的构建 | 第33-34页 |
| 3.2.7 推荐结果的生成 | 第34-35页 |
| 3.3 算法的验证 | 第35-40页 |
| 3.3.1 实验方案 | 第35-36页 |
| 3.3.2 实验结果与分析 | 第36-40页 |
| 4 基于用户特征的推荐算法 | 第40-48页 |
| 4.1 算法思想与过程 | 第40-41页 |
| 4.1.1 算法思想 | 第40页 |
| 4.1.2 算法过程 | 第40-41页 |
| 4.2 算法的实现 | 第41-45页 |
| 4.2.1 用户特征的选取 | 第41-42页 |
| 4.2.2 用户特征的处理 | 第42页 |
| 4.2.3 特征-商品相关度矩阵的构建 | 第42-43页 |
| 4.2.4 特征权重的评估 | 第43页 |
| 4.2.5 推荐结果的产生 | 第43-45页 |
| 4.3 算法的验证 | 第45-48页 |
| 4.3.1 实验方案 | 第45页 |
| 4.3.2 实验结果与分析 | 第45-48页 |
| 5 系统分析与设计 | 第48-60页 |
| 5.1 需求分析 | 第48-52页 |
| 5.1.1 功能性需求 | 第48-51页 |
| 5.1.2 非功能性需求 | 第51-52页 |
| 5.2 系统设计 | 第52-60页 |
| 5.2.1 系统架构设计 | 第53页 |
| 5.2.2 功能模块设计 | 第53-56页 |
| 5.2.3 数据库设计 | 第56-60页 |
| 6 系统实现与测试 | 第60-76页 |
| 6.1 系统开发工具 | 第60-61页 |
| 6.1.1 jQuery框架 | 第60页 |
| 6.1.2 Bootstrap框架 | 第60页 |
| 6.1.3 ECharts可视化库 | 第60-61页 |
| 6.2 功能模块的实现 | 第61-72页 |
| 6.2.1 个性化供应商推荐 | 第61-65页 |
| 6.2.2 商家查询 | 第65-66页 |
| 6.2.3 商家标记 | 第66页 |
| 6.2.4 商家推广 | 第66-67页 |
| 6.2.5 系统维护 | 第67-70页 |
| 6.2.6 推荐评估 | 第70-72页 |
| 6.3 系统的测试 | 第72-76页 |
| 6.3.1 测试目的 | 第72页 |
| 6.3.2 测试环境 | 第72页 |
| 6.3.3 测试结果 | 第72-76页 |
| 7 总结与展望 | 第76-78页 |
| 7.1 总结 | 第76-77页 |
| 7.2 展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |
