基于Web挖掘的电子商务个性化推荐技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-13页 |
| ·引言 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文研究意义 | 第11-12页 |
| ·本文的研究内容与目的 | 第12页 |
| ·本文的结构安排 | 第12-13页 |
| 第二章 数据挖掘研究综述 | 第13-25页 |
| ·数据挖掘简介 | 第13-17页 |
| ·数据挖掘的产生与发展 | 第13-14页 |
| ·数据挖掘定义 | 第14页 |
| ·数据挖掘功能 | 第14-15页 |
| ·数据挖掘过程 | 第15-16页 |
| ·数据挖掘与CRM | 第16-17页 |
| ·Web 数据挖掘 | 第17-20页 |
| ·Web 挖掘的含义 | 第18页 |
| ·Web 挖掘的分类 | 第18-20页 |
| ·Web 数据挖掘技术与电子商务 | 第20-24页 |
| ·面向电子商务的Web 数据挖掘的特点 | 第20页 |
| ·Web 数据挖掘在电子商务中的应用 | 第20-21页 |
| ·电子商务中应用的Web 挖掘技术 | 第21-22页 |
| ·Web 挖掘的数据来源分类 | 第22-24页 |
| ·小结 | 第24-25页 |
| 第三章 基于Web 挖掘的电子商务推荐系统概述 | 第25-40页 |
| ·Web 访问信息挖掘对象的新特点 | 第25页 |
| ·Web 访问信息挖掘的意义 | 第25-26页 |
| ·群体访问者 | 第26页 |
| ·单个访问者 | 第26页 |
| ·基于Web 挖掘的电子商务推荐系统实现步骤 | 第26-31页 |
| ·数据预处理阶段 | 第27-29页 |
| ·基于Web 挖掘的推荐系统设计 | 第29-31页 |
| ·基于电子商务的协作过滤算法 | 第31-38页 |
| ·协作过滤算法的步骤 | 第31-32页 |
| ·电子商务推荐系统算法及其特点 | 第32-38页 |
| ·传统协同过滤推荐算法存在的不足 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第四章 基于Web 挖掘的个性化推荐系统框架 | 第40-55页 |
| ·系统简述 | 第40-43页 |
| ·个性化推荐系统目前面临的问题 | 第40页 |
| ·基于Web 挖掘的推荐系统体系结构 | 第40-41页 |
| ·交叉式Web 挖掘的个性化推荐的提出 | 第41-43页 |
| ·数据预处理部分 | 第43-45页 |
| ·Web 挖掘部分 | 第45-46页 |
| ·Web 使用挖掘模块 | 第45页 |
| ·Web 结构挖掘模块 | 第45-46页 |
| ·Web 内容挖掘模块 | 第46页 |
| ·产生推荐 | 第46-48页 |
| ·Web 使用特征推荐 | 第46-47页 |
| ·Web 结构特征推荐与Web 内容特征推荐 | 第47-48页 |
| ·改进的IPAM 算法在Web 挖掘中的应用 | 第48-54页 |
| ·传统的PAM 算法简述 | 第48-50页 |
| ·传统PAM 算法的优缺点 | 第50页 |
| ·IPAM 算法的提出 | 第50-52页 |
| ·IPAM 算法与PAM 算法的实验效果比较 | 第52-54页 |
| ·小结 | 第54-55页 |
| 第五章 系统实现与实验结果分析 | 第55-61页 |
| ·实验数据与环境 | 第55-58页 |
| ·评估标准 | 第58-59页 |
| ·实验结果及分析 | 第59-60页 |
| ·相似度性能比较 | 第59页 |
| ·推荐精度比较 | 第59-60页 |
| ·小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-62页 |
| ·本文工作 | 第61页 |
| ·研究展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第66页 |
