基于用户聚类的个性化推荐算法在导购网站中的应用
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 背景和意义 | 第12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 推荐系统研究现状 | 第12-14页 |
| 1.2.2 协同过滤研究现状 | 第14-15页 |
| 1.2.3 面临的问题 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-18页 |
| 第二章 推荐算法及其相关技术 | 第18-28页 |
| 2.1 推荐算法介绍 | 第18-21页 |
| 2.1.1 基于内容的推荐算法 | 第18-19页 |
| 2.1.2 协同过滤算法 | 第19-20页 |
| 2.1.3 推荐算法优缺点比较 | 第20-21页 |
| 2.2 相似度比较与选择 | 第21-24页 |
| 2.3 聚类算法介绍 | 第24-26页 |
| 2.3.1 二分K均值聚类算法 | 第24-25页 |
| 2.3.2 DBSCAN聚类算法 | 第25-26页 |
| 2.3.3 聚类算法优缺点比较 | 第26页 |
| 2.4 Mahout介绍 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 导购推荐系统的需求分析与设计 | 第28-36页 |
| 3.1 需求分析 | 第28-29页 |
| 3.1.1 功能需求分析 | 第28-29页 |
| 3.1.2 性能需求分析 | 第29页 |
| 3.2 总体设计 | 第29-31页 |
| 3.3 详细设计 | 第31-35页 |
| 3.3.1 数据收集模块设计 | 第31-32页 |
| 3.3.2 行为量化模块设计 | 第32-33页 |
| 3.3.3 个性化推荐模块设计 | 第33-34页 |
| 3.3.4 热门推荐模块设计 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于用户聚类的个性化导购推荐算法 | 第36-45页 |
| 4.1 导购网站个性化特点分析 | 第36-38页 |
| 4.1.1 商品内容结构分析 | 第36-37页 |
| 4.1.2 用户量与商品量分析 | 第37页 |
| 4.1.3 协同过滤算法的选择 | 第37-38页 |
| 4.2 基于用户聚类的个性化导购推荐算法 | 第38-44页 |
| 4.2.1 商品类别筛选 | 第38页 |
| 4.2.2 矩阵填充 | 第38-40页 |
| 4.2.3 用户聚类 | 第40-44页 |
| 4.2.4 生成推荐 | 第44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 导购推荐系统的实现 | 第45-52页 |
| 5.1 数据收集模块实现 | 第45-46页 |
| 5.2 行为量化模块实现 | 第46-47页 |
| 5.3 个性化推荐模块实现 | 第47-50页 |
| 5.4 热门推荐模块实现 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 系统测试与结果分析 | 第52-63页 |
| 6.1 实验环境 | 第52页 |
| 6.2 性能指标 | 第52-54页 |
| 6.2.1 聚类算法性能指标 | 第52-53页 |
| 6.2.2 推荐算法性能指标 | 第53-54页 |
| 6.3 性能测试与结果分析 | 第54-59页 |
| 6.3.1 聚类性能测试与结果分析 | 第54-56页 |
| 6.3.2 推荐性能测试与结果分析 | 第56-59页 |
| 6.4 界面效果演示 | 第59-62页 |
| 6.5 本章小结 | 第62-63页 |
| 第七章 总结与展望 | 第63-65页 |
| 7.1 总结 | 第63-64页 |
| 7.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 在校期间发表论文和成果 | 第70页 |
