| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11页 |
| 1.2 电子商务研究现状 | 第11-13页 |
| 1.2.1 数据挖掘 | 第11-12页 |
| 1.2.2 电子商务 | 第12-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文研究结构 | 第14-15页 |
| 第2章 传统的数据挖掘算法与推荐算法 | 第15-32页 |
| 2.1 电子商务推荐系统 | 第15-16页 |
| 2.2 数据挖掘相关算法 | 第16-24页 |
| 2.2.1 K最近邻算法 | 第16-17页 |
| 2.2.2 朴素贝叶斯算法 | 第17-18页 |
| 2.2.3 PageRank算法 | 第18-20页 |
| 2.2.4 Apriori算法 | 第20-24页 |
| 2.3 个性化推荐算法 | 第24-26页 |
| 2.3.1 基于内容的推荐 | 第24-25页 |
| 2.3.2 基于关联规则的推荐 | 第25页 |
| 2.3.3 基于效用的推荐 | 第25-26页 |
| 2.3.4 基于知识的推荐 | 第26页 |
| 2.4 协同过滤推荐算法 | 第26-31页 |
| 2.4.1 相关概念 | 第27-28页 |
| 2.4.2 基于用户的协同过滤推荐算法 | 第28-29页 |
| 2.4.3 基于项目的协同过滤推荐算法 | 第29-30页 |
| 2.4.4 混合协同过滤推荐算法 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 混合协同过滤推荐算法的研究 | 第32-38页 |
| 3.1 优化背景 | 第32页 |
| 3.2 算法描述 | 第32-35页 |
| 3.2.1 基于用户的协同过滤推荐算法 | 第32-33页 |
| 3.2.2 混合协同过滤推荐算法 | 第33-35页 |
| 3.3 实验及分析 | 第35-36页 |
| 3.3.1 实验数据 | 第35页 |
| 3.3.2 度量标准 | 第35-36页 |
| 3.3.3 结果分析 | 第36页 |
| 3.4 本章总结 | 第36-38页 |
| 第4章 基于聚类的混合协同过滤推荐算法的研究 | 第38-47页 |
| 4.1 优化背景 | 第38页 |
| 4.2 k-means算法 | 第38-40页 |
| 4.3 算法描述 | 第40-44页 |
| 4.3.1 k-means用户聚类 | 第40-41页 |
| 4.3.2 基于k-means用户聚类的混合协同过滤算法 | 第41-44页 |
| 4.4 结果分析 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52页 |