| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 电子商务推荐系统 | 第11-12页 |
| 1.2.2 协同过滤推荐系统 | 第12页 |
| 1.3 论文结构安排 | 第12-13页 |
| 1.4 本章小结 | 第13-15页 |
| 第2章 电子商务中协同过滤推荐技术简介 | 第15-30页 |
| 2.1 电子商务推荐系统概念与构成 | 第15-17页 |
| 2.1.1 电子商务推荐系统的组成 | 第15-16页 |
| 2.1.2 电子商务推荐系统的研究内容 | 第16-17页 |
| 2.2 电子商务推荐系统的几种推荐技术 | 第17-20页 |
| 2.2.1 基于内容的推荐技术 | 第17-18页 |
| 2.2.2 基于规则的推荐技术 | 第18页 |
| 2.2.3 基于知识的推荐技术 | 第18页 |
| 2.2.4 基于协同过滤的推荐技术 | 第18-20页 |
| 2.2.5 混合推荐技术 | 第20页 |
| 2.3 电子商务中协同过滤技术的研究与分析 | 第20-27页 |
| 2.3.1 传统协同过滤算法综述 | 第20-23页 |
| 2.3.2 基于用户(User-Based)的协同过滤推荐算法 | 第23-24页 |
| 2.3.3 基于项目(Item-Based)的协同过滤算法 | 第24-25页 |
| 2.3.4 协同过滤算法存在的问题及常用优化方法 | 第25-27页 |
| 2.4 典型个性化推荐系统 | 第27-29页 |
| 2.4.1 淘宝推荐系统 | 第27-28页 |
| 2.4.2 豆瓣的推荐引擎 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 协同过滤推荐算法数据稀疏性问题的优化研究 | 第30-35页 |
| 3.1 基于项目属性相似性的矩阵填充 | 第30-32页 |
| 3.2 基于时间加权的协同过滤算法 | 第32-33页 |
| 3.3 基于矩阵填充和加入时间权重函数的推荐 | 第33-34页 |
| 3.4 改进算法的实现步骤 | 第34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 协同过滤推荐算法冷启动问题的优化研究 | 第35-45页 |
| 4.1 蚁群算法 | 第35-37页 |
| 4.1.1 蚁群算法基本原理 | 第35-37页 |
| 4.1.2 蚁群算法的特点 | 第37页 |
| 4.2 基于蚁群算法的用户聚类 | 第37-41页 |
| 4.2.1 聚类综述 | 第37-38页 |
| 4.2.2 基于蚁群算法的用户聚类实现 | 第38-41页 |
| 4.3 基于蚁群算法的冷启动新用户问题的处理 | 第41-43页 |
| 4.4 基于蚁群算法的冷启动新项目问题处理 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 实验设计及结果分析 | 第45-50页 |
| 5.1 数据集和实验平台 | 第45页 |
| 5.2 评价标准 | 第45-46页 |
| 5.3 实验结果与分析 | 第46-49页 |
| 5.3.1 不同稀疏程度下各种算法的推荐效果比较 | 第46页 |
| 5.3.2 基于矩阵填充和加入时间权值前后的算法比较 | 第46-47页 |
| 5.3.3 基于蚁群原理的优化算法与其他算法的比较 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 作者简介 | 第56页 |
| 攻读硕士期间发表论文和参加科研情况说明 | 第56-57页 |
