数据挖掘在电子商务推荐系统中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-12页 |
| ·研究背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·电子商务发展现状 | 第9页 |
| ·推荐系统发展现状 | 第9-11页 |
| ·本文主要内容和组织结构 | 第11-12页 |
| 第2章 数据挖掘技术 | 第12-19页 |
| ·数据挖掘 | 第12-14页 |
| ·数据挖掘定义 | 第12页 |
| ·数据挖掘功能 | 第12-13页 |
| ·数据挖掘过程 | 第13页 |
| ·数据挖掘方法 | 第13-14页 |
| ·web数据挖掘 | 第14-19页 |
| ·web数据挖掘概述 | 第15页 |
| ·web数据挖掘流程 | 第15-16页 |
| ·web数据挖掘分类 | 第16-17页 |
| ·电子商务中web数据挖掘的应用 | 第17-19页 |
| 第3章 电子商务推荐系统模型研究 | 第19-28页 |
| ·电子商务推荐系统框架设计 | 第19-20页 |
| ·离线挖掘 | 第20-23页 |
| ·web使用挖掘模块 | 第20-22页 |
| ·web内容挖掘模块 | 第22-23页 |
| ·在线推荐 | 第23-25页 |
| ·推荐引擎 | 第24-25页 |
| ·具体模块功能 | 第25-28页 |
| ·数据库管理系统 | 第25-26页 |
| ·Web数据预处理 | 第26页 |
| ·模式分析 | 第26页 |
| ·会话管理器 | 第26-27页 |
| ·对话管理器 | 第27页 |
| ·推荐器 | 第27-28页 |
| 第4章 电子商务推荐算法 | 第28-35页 |
| ·概述 | 第28页 |
| ·基于内容推荐算法 | 第28页 |
| ·基于关联规则推荐算法 | 第28-30页 |
| ·基本术语 | 第29页 |
| ·支持度和置信度的作用 | 第29-30页 |
| ·关联规则中挖掘问题的形式描述 | 第30页 |
| ·协同过滤推荐算法 | 第30-32页 |
| ·相似性比较 | 第30-31页 |
| ·数据矩阵稀疏性问题 | 第31-32页 |
| ·冷启动问题 | 第32页 |
| ·基于效用推荐算法 | 第32页 |
| ·基于知识推荐算法 | 第32页 |
| ·基于组合推荐算法 | 第32-33页 |
| ·推荐算法的比较 | 第33-35页 |
| 第5章 电子商务推荐系统的实现 | 第35-42页 |
| ·系统结构 | 第35-36页 |
| ·离线模块 | 第35页 |
| ·在线模块 | 第35-36页 |
| ·算法改进 | 第36-38页 |
| ·基于聚类的协同过滤算法概述 | 第37页 |
| ·基于聚类的协同过滤算法改进 | 第37-38页 |
| ·电子商务推荐系统 | 第38-42页 |
| ·用户识别 | 第38-39页 |
| ·用户输入 | 第39页 |
| ·模式匹配 | 第39-40页 |
| ·推荐形式 | 第40-42页 |
| 第6章 结论与展望 | 第42-44页 |
| ·结论 | 第42页 |
| ·进一步工作的方向 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-47页 |
