基于数据挖掘的电子商务推荐系统设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 前言 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 论文组织安排 | 第13-14页 |
| 第二章 推荐系统关键技术综述 | 第14-29页 |
| 2.1 数据挖掘算法 | 第14-25页 |
| 2.1.1 频繁项集挖掘算法 | 第14-17页 |
| 2.1.2 分类算法及预测 | 第17-22页 |
| 2.1.3 聚类算法 | 第22-25页 |
| 2.2 推荐系统算法 | 第25-28页 |
| 2.2.1 基于内容的推荐算法 | 第25-26页 |
| 2.2.2 协同过滤算法 | 第26-27页 |
| 2.2.3 混合推荐算法 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 融合情感挖掘的推荐算法设计 | 第29-33页 |
| 3.1 问题分析 | 第29-30页 |
| 3.2 倾向性分析研究综述 | 第30页 |
| 3.3 融合用户情感挖掘的推荐算法 | 第30-32页 |
| 3.3.1 评价内容特征选择 | 第30-31页 |
| 3.3.2 基于情感词的倾向性分析方法 | 第31-32页 |
| 3.4 融合用户情感挖掘的推荐算法 | 第32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 系统设计与实现 | 第33-60页 |
| 4.1 系统目标 | 第33页 |
| 4.2 系统需求分析 | 第33-34页 |
| 4.3 系统业务流程图 | 第34-35页 |
| 4.4 数据库设计 | 第35-45页 |
| 4.4.1 数据库概念设计 | 第36-42页 |
| 4.4.2 数据表设计 | 第42-45页 |
| 4.5 核心功能模块流程图及实现 | 第45-59页 |
| 4.5.1 信息采集 | 第45-49页 |
| 4.5.2 用户聚类分析 | 第49-50页 |
| 4.5.3 特征提取 | 第50-51页 |
| 4.5.4 用户评价倾向性分析 | 第51-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第五章 系统性能测试 | 第60-68页 |
| 5.1 系统功能测试 | 第60-63页 |
| 5.2 系统算法测试 | 第63-67页 |
| 5.2.1 测试数据集 | 第63页 |
| 5.2.2 评价指标 | 第63-64页 |
| 5.2.3 测试步骤 | 第64-65页 |
| 5.2.4 测试结果分析 | 第65-67页 |
| 5.3 本章小节 | 第67-68页 |
| 第六章 总结与展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
