| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 主要研究工作 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第2章 推荐算法研究 | 第15-27页 |
| 2.1 推荐算法概述 | 第15-16页 |
| 2.2 经典的推荐算法 | 第16-22页 |
| 2.2.1 基于内容的推荐算法 | 第16-17页 |
| 2.2.2 协同过滤算法 | 第17-21页 |
| 2.2.3 混合推荐算法 | 第21-22页 |
| 2.3 推荐算法的研究框架与性能指标 | 第22-25页 |
| 2.3.1 推荐算法研究框架 | 第22-23页 |
| 2.3.2 推荐性能评估指标 | 第23-25页 |
| 2.4 当前推荐算法存在的问题 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 用户参考价格与用户参考价格倾向度 | 第27-36页 |
| 3.1 消费者价格心理 | 第27-29页 |
| 3.1.1 影响消费者价格心理的因素 | 第27-28页 |
| 3.1.2 价格心理特征及购买偏好 | 第28-29页 |
| 3.2 消费者参考价格及模型 | 第29-33页 |
| 3.2.1 影响参考价格的因素 | 第30-32页 |
| 3.2.2 参考价格模型 | 第32-33页 |
| 3.3 用户参考价格倾向度 | 第33-34页 |
| 3.3.1 商品的价格等级 | 第33-34页 |
| 3.3.2 用户参考价格倾向度 | 第34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 基于用户参考价格倾向度的协同过滤推荐算法 | 第36-53页 |
| 4.1 算法改进出发点及总体思路 | 第36-38页 |
| 4.1.1 算法改进出发点 | 第36-37页 |
| 4.1.2 算法改进总体思路 | 第37-38页 |
| 4.2 基于用户参考价格倾向度的协同过滤推荐算法改进 | 第38-45页 |
| 4.2.1 商品价格指数衡量 | 第38-39页 |
| 4.2.2 用户参考价格倾向度 | 第39-40页 |
| 4.2.3 用户参考价格倾向度矩阵 | 第40-42页 |
| 4.2.4 计算用户相似性 | 第42-43页 |
| 4.2.5 推荐预测 | 第43-44页 |
| 4.2.6 推荐流程 | 第44-45页 |
| 4.3 基于加权的推荐算法改进 | 第45-47页 |
| 4.3.1 具体的进一步加权改进 | 第45-46页 |
| 4.3.2 推荐流程 | 第46-47页 |
| 4.4 算法实现及展示 | 第47-52页 |
| 4.4.1 算法推荐展示 | 第47-49页 |
| 4.4.2 算法实现伪代码 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 实验与分析 | 第53-59页 |
| 5.1 电商数据预处理 | 第53页 |
| 5.2 实验环境 | 第53页 |
| 5.3 检验指标 | 第53-54页 |
| 5.4 实验结果与分析 | 第54-58页 |
| 5.4.1 数据填充实验对比 | 第54-56页 |
| 5.4.2 参数调优实验对比 | 第56-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 总结和展望 | 第59-61页 |
| 6.1 论文总结 | 第59页 |
| 6.2 未来展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |