| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景与意义 | 第9-10页 |
| ·推荐系统的研究热点 | 第10-12页 |
| ·数据稀疏性问题 | 第10页 |
| ·推荐精确性问题 | 第10-11页 |
| ·推荐实时性问题 | 第11页 |
| ·算法的评价准则问题 | 第11页 |
| ·基于tag 的推荐系统 | 第11页 |
| ·系统安全性问题 | 第11-12页 |
| ·论文研究对象与所做工作 | 第12-13页 |
| ·论文结构安排 | 第13页 |
| ·小结 | 第13-14页 |
| 第2章 电子商务推荐系统及相关技术 | 第14-24页 |
| ·推荐系统中的推荐问题 | 第14-15页 |
| ·推荐系统中的推荐技术 | 第15-22页 |
| ·基于内容的推荐 | 第15-17页 |
| ·协同过滤推荐 | 第17-20页 |
| ·基于人口统计的推荐 | 第20页 |
| ·基于知识的推荐 | 第20-21页 |
| ·混合方法 | 第21-22页 |
| ·基于K-Means 用户聚类的协同过滤技术 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第3章 蚁群聚类与金字塔时间框架相关技术 | 第24-29页 |
| ·蚁群聚类相关技术 | 第24-25页 |
| ·金字塔时间框架相关技术 | 第25-28页 |
| ·金字塔时间框架的来源 | 第25-26页 |
| ·金字塔时间框架的原理 | 第26-27页 |
| ·金字塔时间框架举例说明 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第4章 基于 AntStream 用户聚类的协同过滤技术 | 第29-39页 |
| ·AntStream 算法初始化部分 | 第29-31页 |
| ·问题描述 | 第29-30页 |
| ·问题处理 | 第30页 |
| ·实施步骤 | 第30-31页 |
| ·AntStream 算法离线部分 | 第31-38页 |
| ·AntClass 蚁群聚类算法中的基本概念 | 第31-33页 |
| ·AntClass 蚁群聚类算法的步骤 | 第33-37页 |
| ·计算相似度 | 第37-38页 |
| ·AntStream 算法在线部分 | 第38页 |
| ·小结 | 第38-39页 |
| 第5章 实验设计及结果分析 | 第39-45页 |
| ·数据集 | 第39-40页 |
| ·度量标准 | 第40页 |
| ·实验过程 | 第40-42页 |
| ·实验结果及其分析 | 第42-44页 |
| ·精确性检验 | 第42-43页 |
| ·实时性检验 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第6章 结束语 | 第45-47页 |
| ·本文工作 | 第45页 |
| ·后续工作 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间发表的学术论文 | 第51页 |