首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--软件工程论文

基于用户行为的电子商务推荐系统的设计与研究

摘要第1-7页
Abstract第7-10页
1 绪论第10-16页
   ·研究背景及意义第10-12页
     ·研究背景第10-12页
     ·研究意义第12页
   ·推荐系统的研究现状第12-14页
   ·论文的主要研究工作第14页
   ·本文的组织结构第14-15页
   ·本章小结第15-16页
2 推荐系统及协同过滤算法概述第16-24页
   ·推荐系统概述第16-19页
     ·推荐系统概念和分类第16-17页
     ·推荐系统组织结构第17-18页
     ·推荐系统中主流的推荐技术第18-19页
   ·协同过滤算法概述第19-21页
     ·协同过滤算法思想和分类第19-20页
     ·协同过滤的推荐方法第20-21页
   ·协同过滤存在的问题及研究现状第21-23页
     ·协同过滤存在的问题第21页
     ·协同过滤的研究现状第21-23页
   ·本章小结第23-24页
3 推荐算法的改进研究第24-37页
   ·算法思想第24-25页
   ·算法描述第25-27页
   ·算法实现过程第27-32页
     ·用户行为聚类子模块第27-30页
     ·个性化推荐子模块第30-31页
     ·推荐反馈子模块第31-32页
   ·实验过程第32-35页
     ·实验数据集第32页
     ·实验步骤第32-35页
   ·实验结果及分析第35-36页
     ·推荐质量度量标准第35-36页
     ·实验结果及分析第36页
   ·本章小结第36-37页
4 基于改进算法的推荐系统实施第37-58页
   ·需求分析第37-39页
     ·商品浏览子系统需求分析第37-38页
     ·后台管理子系统需求分析第38-39页
     ·个性化推荐子系统需求分析第39页
   ·系统设计第39-45页
     ·系统架构第39-40页
     ·系统开发环境第40-41页
     ·系统功能设计第41-42页
     ·系统后台数据库设计第42-45页
   ·推荐系统的设计实现第45-48页
     ·用户注册和登录模块实现第45-46页
     ·商品浏览子系统和后台管理子系统的实现第46-48页
   ·个性化推荐子系统的设计实现第48-57页
     ·用户行为聚类的实现第50-55页
     ·用户-商品类协同过滤的实现第55-56页
     ·推荐功能的实现第56-57页
   ·本章小结第57-58页
结束语第58-60页
 本文的主要工作第58-59页
 进一步工作第59-60页
参考文献第60-64页
附录 部分程序源代码第64-73页
致谢第73-74页
攻读硕士学位期间发表的论文第74-75页

论文共75页,点击 下载论文
上一篇:基于神经网络集成的垃圾邮件过滤系统设计
下一篇:基于增量学习的精准广告投放系统研究