基于数据挖掘技术的电子商务推荐系统的研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 论文研究内容及结构 | 第11-13页 |
| 第二章 电子商务推荐系统相关技术综述 | 第13-28页 |
| 2.1 数据挖掘概述 | 第13-21页 |
| 2.1.1 数据挖掘概念 | 第13-14页 |
| 2.1.2 数据挖掘的过程 | 第14-19页 |
| 2.1.3 推荐系统中数据挖掘的主要技术 | 第19-21页 |
| 2.2 协同过滤技术 | 第21-26页 |
| 2.2.1 协同过滤技术的实现 | 第22页 |
| 2.2.2 基于用户的协同过滤技术 | 第22-25页 |
| 2.2.3 基于项目的协同过滤技术 | 第25-26页 |
| 2.2.4 两种协同过滤技术的特点分析 | 第26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 基于遗传算法映射下的K均值算法研究 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 传统的K均值聚类算法 | 第28-30页 |
| 3.3 基于遗传算法映射下的K均值算法 | 第30-35页 |
| 3.3.1 相关的映射工作 | 第31-32页 |
| 3.3.2 操作基本定义 | 第32-33页 |
| 3.3.3 选择改进操作 | 第33-34页 |
| 3.3.4 改进变异操作 | 第34-35页 |
| 3.4 实验验证及结果分析 | 第35-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 电子商务推荐系统的模型研究 | 第40-52页 |
| 4.1 引言 | 第40-41页 |
| 4.2 推荐模型概述 | 第41-43页 |
| 4.2.1 推荐系统在电子商务中的作用 | 第41-42页 |
| 4.2.2 推荐模型的主要分类 | 第42-43页 |
| 4.3 推荐系统的基本模型架构 | 第43-46页 |
| 4.3.1 基本模型架构分析 | 第43-45页 |
| 4.3.2 推荐引擎的模型分析 | 第45-46页 |
| 4.4 电子商务推荐系统中的多推荐模型 | 第46-51页 |
| 4.4.1 多推荐模型的基本框架 | 第47-48页 |
| 4.4.2 多推荐模型下的电子商务系统流程 | 第48-49页 |
| 4.4.3 多推荐模型的实现 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 论文工作总结 | 第52页 |
| 5.2 进一步研究方向 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间发表的学术论文目录 | 第57页 |
