| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9页 |
| 1.3 研究现状 | 第9-11页 |
| 1.3.1 个性化推荐研究现状 | 第9-10页 |
| 1.3.2 关联规则研究现状 | 第10-11页 |
| 1.4 课题来源 | 第11页 |
| 1.5 研究内容及组织结构 | 第11-13页 |
| 2 相关理论和技术介绍 | 第13-29页 |
| 2.1 电子商务推荐系统 | 第13-16页 |
| 2.1.1 电子商务推荐系统概述 | 第13页 |
| 2.1.2 电子商务推荐系统基本组成 | 第13-14页 |
| 2.1.3 电子商务推荐技术 | 第14-16页 |
| 2.2 关联规则技术 | 第16-22页 |
| 2.2.1 关联规则基本概念 | 第16-17页 |
| 2.2.2 关联规则分类 | 第17页 |
| 2.2.3 关联规则挖掘过程 | 第17-18页 |
| 2.2.4 典型算法 | 第18-22页 |
| 2.3 多层关联规则挖掘技术 | 第22-26页 |
| 2.3.1 概念层次树 | 第22-24页 |
| 2.3.2 多层关联规则相关概念 | 第24-25页 |
| 2.3.3 常用多层关联规则算法 | 第25-26页 |
| 2.4 基于关联规则的个性化推荐系统研究概述 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 3 基于FP_Growth的多层关联规则改进算法 | 第29-42页 |
| 3.1 问题提出 | 第29页 |
| 3.2 约束事务扩展的多层关联规则挖掘算法:CTE-MARM | 第29-38页 |
| 3.2.1 算法基本思想 | 第29-30页 |
| 3.2.2 算法描述 | 第30-37页 |
| 3.2.3 事务约束扩展层次k值选取决策 | 第37-38页 |
| 3.3 算法验证与结果显示 | 第38-41页 |
| 3.3.1 实验环境及数据来源 | 第38页 |
| 3.3.2 实验结果显示 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于关联规则的用户兴趣模型研究 | 第42-51页 |
| 4.1 基于用户浏览行为度量用户兴趣度 | 第42-45页 |
| 4.1.1 用户兴趣获取方式 | 第42页 |
| 4.1.2 用户浏览行为分析 | 第42-43页 |
| 4.1.3 用户兴趣度量 | 第43-45页 |
| 4.2 结合关联规则建立用户兴趣模型 | 第45-48页 |
| 4.2.1 用户兴趣模型表示 | 第46-48页 |
| 4.3 用户兴趣模型及规则库更新 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 基于关联规则的个性化推荐系统设计 | 第51-63页 |
| 5.1 系统原型概述 | 第51页 |
| 5.2 系统结构 | 第51-53页 |
| 5.2.1 数据提取与预处理模块 | 第52页 |
| 5.2.2 关联规则库生成模块 | 第52-53页 |
| 5.2.3 用户兴趣分析模块 | 第53页 |
| 5.2.4 商品推荐模块 | 第53页 |
| 5.3 数据库建模 | 第53-58页 |
| 5.4 实验分析 | 第58-62页 |
| 5.4.1 系统开发工具及平台 | 第58-59页 |
| 5.4.2 结果显示 | 第59-62页 |
| 5.5 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读学位期间发表的相关学术论文及研究成果 | 第71页 |