摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 课题研究背景与意义 | 第11-13页 |
1.1.1 课题研究背景 | 第11-12页 |
1.1.2 课题研究意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-15页 |
1.2.1 个性化推荐系统 | 第13-14页 |
1.2.2 Docker容器技术 | 第14-15页 |
1.3 论文主要研究内容 | 第15-16页 |
1.4 论文组织结构 | 第16-17页 |
第二章 相关理论与技术介绍 | 第17-27页 |
2.1 电子商务个性化推荐系统 | 第17-19页 |
2.1.1 个性化推荐系统的概念 | 第17页 |
2.1.2 推荐系统架构 | 第17-18页 |
2.1.3 个性化推荐系统的评价指标 | 第18-19页 |
2.2 常见的推荐算法 | 第19-22页 |
2.2.1 基于内容的推荐 | 第19-20页 |
2.2.2 基于关联规则的推荐 | 第20-21页 |
2.2.3 协同过滤推荐 | 第21-22页 |
2.3 Docker容器技术 | 第22-25页 |
2.3.1 容器技术 | 第22-23页 |
2.3.2 Docker技术 | 第23页 |
2.3.3 Docker系统架构 | 第23-25页 |
2.3.4 Docker Compose | 第25页 |
2.4 Flask框架 | 第25-26页 |
2.5 本章小结 | 第26-27页 |
第三章 个性化推荐算法的研究与优化 | 第27-43页 |
3.1 协同过滤算法 | 第27-30页 |
3.1.1 协同过滤算法的流程 | 第27-28页 |
3.1.2 常见的相似度的计算方法 | 第28-29页 |
3.1.3 协同过滤算法的问题 | 第29-30页 |
3.2 Slope One算法 | 第30-33页 |
3.2.1 Slope One算法基本原理 | 第30页 |
3.2.2 Slope One算法流程 | 第30-32页 |
3.2.3 Slope One算法分析 | 第32-33页 |
3.3 Weighted Slope One算法 | 第33-34页 |
3.4 Weighted Slope One算法改进 | 第34-38页 |
3.4.1 基于用户的临近筛选方案 | 第34-35页 |
3.4.2 改进后的Weighted Slope One算法 | 第35-38页 |
3.5 改进后算法测试分析 | 第38-41页 |
3.5.1 实验环境设置 | 第38-39页 |
3.5.2 所用数据集 | 第39页 |
3.5.3 算法测试和结果分析 | 第39-41页 |
3.6 本章小结 | 第41-43页 |
第四章 多电商综合推荐系统的设计与实现 | 第43-61页 |
4.1 系统需求分析 | 第43-45页 |
4.1.1 企业和用户的需求 | 第43-44页 |
4.1.2 系统功能性需求 | 第44页 |
4.1.3 系统非功能性需求 | 第44-45页 |
4.2 系统设计 | 第45-46页 |
4.2.1 系统设计原则 | 第45页 |
4.2.2 系统架构设计 | 第45-46页 |
4.3 数据库设计与实现 | 第46-53页 |
4.3.1 选用数据库方案 | 第47-49页 |
4.3.2 数据库结构设计 | 第49-53页 |
4.4 业务逻辑层设计与实现 | 第53-60页 |
4.4.1 外向模块 | 第53-60页 |
4.4.2 内向模块 | 第60页 |
4.5 本章小结 | 第60-61页 |
第五章 系统部署与测试 | 第61-71页 |
5.1 系统部署 | 第61-63页 |
5.1.1 部署架构 | 第61-62页 |
5.1.2 容器镜像 | 第62页 |
5.1.3 Nginx配置 | 第62-63页 |
5.2 系统测试 | 第63-65页 |
5.2.1 黑盒测试 | 第63-64页 |
5.2.2 白盒测试 | 第64-65页 |
5.2.3 单元测试 | 第65页 |
5.2.4 联合测试 | 第65页 |
5.3 测试用例及结果 | 第65-69页 |
5.4 本章小结 | 第69-71页 |
总结与展望 | 第71-73页 |
总结 | 第71-72页 |
展望 | 第72-73页 |
参考文献 | 第73-77页 |
致谢 | 第77页 |