| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-11页 |
| ·引言 | 第8页 |
| ·电子商务推荐技术的研究现状 | 第8-9页 |
| ·本文的主要研究内容 | 第9-10页 |
| ·本文的组织 | 第10-11页 |
| 第二章 电子商务个性化推荐系统 | 第11-21页 |
| ·电子商务个性化推荐系统概述 | 第11-13页 |
| ·电子商务个性化推荐系统的组成结构 | 第13-14页 |
| ·电子商务个性化推荐系统使用的技术 | 第14-21页 |
| ·基于内容的推荐 | 第14页 |
| ·基于协同过滤的推荐 | 第14-21页 |
| 第三章 基于协同过滤推荐系统的数据稀疏性问题研究 | 第21-33页 |
| ·协同过滤推荐系统中的问题研究 | 第21-23页 |
| ·可扩展性问题 | 第21-22页 |
| ·冷启动问题 | 第22页 |
| ·同义词问题 | 第22页 |
| ·数据稀疏性问题 | 第22-23页 |
| ·数据稀疏性问题的解决方案 | 第23-26页 |
| ·基于项目的协同过滤推荐算法 | 第24页 |
| ·基于内容的协同过滤方法 | 第24-25页 |
| ·基于奇异值分解的降维技术 | 第25-26页 |
| ·基于聚类的协同过滤推荐算法 | 第26页 |
| ·提高算法精度的方法 | 第26-30页 |
| ·问题分析 | 第26-27页 |
| ·算法改进描述 | 第27-28页 |
| ·具体实现 | 第28-30页 |
| ·降低数据集稀疏性的方法 | 第30-33页 |
| ·问题分析 | 第30-31页 |
| ·算法改进 | 第31-33页 |
| 第四章 算法的实现与评价 | 第33-41页 |
| ·实验数据及实验环境 | 第33-34页 |
| ·评价指标 | 第34-35页 |
| ·实验及分析 | 第35-41页 |
| ·实验一:验证用户偏爱的项目相似性协同过滤算法 | 第37-39页 |
| ·实验二:验证 Slope One 数据填充项目相似性算法 | 第39页 |
| ·实验三:验证两种改进的算法 | 第39-41页 |
| 第五章 总结与展望 | 第41-43页 |
| ·本文的总结 | 第41页 |
| ·进一步的工作 | 第41-43页 |
| 参考文献 | 第43-45页 |
| 后记 | 第45-46页 |
| 在学期间公开发表论文及著作情况 | 第46页 |