基于用户行为的移动电子商务推荐算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 相关理论及技术 | 第17-28页 |
| 2.1 移动电子商务推荐系统概述 | 第17-19页 |
| 2.1.1 移动电子商务特点 | 第17-18页 |
| 2.1.2 用户行为特点 | 第18-19页 |
| 2.1.3 移动电子商务对个性化推荐的要求 | 第19页 |
| 2.2 推荐系统相关技术 | 第19-26页 |
| 2.2.1 基于内容的推荐 | 第19-20页 |
| 2.2.2 协同过滤推荐 | 第20-25页 |
| 2.2.3 混合推荐 | 第25-26页 |
| 2.3 逻辑回归模型 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于购买倾向和兴趣度的个性化推荐算法 | 第28-42页 |
| 3.1 问题定义 | 第28-30页 |
| 3.2 基于购买倾向和兴趣度的个性化推荐 | 第30-36页 |
| 3.2.1 提取行为特征 | 第31页 |
| 3.2.2 购买倾向预测模型 | 第31-32页 |
| 3.2.3 用户兴趣度 | 第32-34页 |
| 3.2.4 PIID算法 | 第34-35页 |
| 3.2.5 算法分析 | 第35-36页 |
| 3.3 实验分析 | 第36-41页 |
| 3.3.1 数据集及对比算法 | 第36页 |
| 3.3.2 算法评价指标 | 第36-37页 |
| 3.3.3 实验结果与分析 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于多源信息融合的协同过滤推荐算法 | 第42-51页 |
| 4.1 问题描述 | 第42-43页 |
| 4.2 基于多源信息融合的协同过滤推荐算法 | 第43-48页 |
| 4.2.1 基于位置信息的近邻选择 | 第43-46页 |
| 4.2.2 融合多源信息 | 第46-47页 |
| 4.2.3 算法描述与分析 | 第47-48页 |
| 4.3 实验分析 | 第48-50页 |
| 4.3.1 数据集和对比算法 | 第48-49页 |
| 4.3.2 实验结果与分析 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 原型系统的设计与实现 | 第51-65页 |
| 5.1 原型系统运行环境及开发平台 | 第51页 |
| 5.2 系统设计原则 | 第51-52页 |
| 5.3 系统功能模块设计 | 第52-57页 |
| 5.3.1 数据预处理模块 | 第53-55页 |
| 5.3.2 离线训练模块 | 第55-56页 |
| 5.3.3 在线推荐模块 | 第56-57页 |
| 5.4 系统核心类的设计 | 第57-61页 |
| 5.4.1 数据预处理类 | 第57-58页 |
| 5.4.2 离线训练模块类 | 第58-60页 |
| 5.4.3 近邻选择模块类 | 第60-61页 |
| 5.5 原型系统的实现 | 第61-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第六章 总结和展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士学位期间发表的学术成果 | 第74页 |
