基于数据挖掘技术的电子商务个性化推荐系统的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第8-17页 |
| ·选题背景 | 第8-9页 |
| ·研究和使用现状以及面临的问题 | 第9-15页 |
| ·个性化推荐的研究现状 | 第9-12页 |
| ·个性化推荐的使用现状 | 第12-14页 |
| ·个性化推荐面临的问题 | 第14-15页 |
| ·课题的研究内容和目标 | 第15-16页 |
| ·课题的研究内容 | 第15页 |
| ·课题的研究目标 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| 第二章 电子商务推荐系统及相关理论知识总述 | 第17-26页 |
| ·数据挖掘技术概述 | 第17-20页 |
| ·数据挖掘的定义 | 第17-18页 |
| ·常用的数据挖掘技术 | 第18页 |
| ·电子商务数据挖掘的对象 | 第18-19页 |
| ·电子商务中使用数据挖掘的方法与好处 | 第19-20页 |
| ·电子商务个性化推荐系统的概述 | 第20-26页 |
| ·电子商务个性化推荐系统定义 | 第20页 |
| ·电子商务个性化推荐系统的研究对象 | 第20-21页 |
| ·电子商务个性化推荐系统的现实意义 | 第21-22页 |
| ·电子商务个性化推荐系统的组成 | 第22-24页 |
| ·电子商务个性化推荐系统面临的新挑战 | 第24-26页 |
| 第三章 个性化推荐算法的研究 | 第26-38页 |
| ·基于内容的推荐算法 | 第26-28页 |
| ·基于内容推荐的简单实例引入 | 第26-27页 |
| ·基于内容推荐的流程分析 | 第27-28页 |
| ·协同过滤推荐算法 | 第28-36页 |
| ·基于用户的协同过滤算法 | 第29-32页 |
| ·基于项目的协同过滤算法 | 第32-35页 |
| ·目前存在的协同过滤改进方法 | 第35-36页 |
| ·推荐算法的优劣比较 | 第36-38页 |
| 第四章 基于协同过滤算法的改进 | 第38-47页 |
| ·RBFN和SOM的简述 | 第38-42页 |
| ·径向基函数网络 | 第39-41页 |
| ·自组织映射网络 | 第41-42页 |
| ·改进算法的设计过程 | 第42-45页 |
| ·稀疏评分矩阵复杂化 | 第43-44页 |
| ·用户聚类 | 第44-45页 |
| ·推荐模型的设计过程 | 第45-47页 |
| ·推荐模型的详细设计流程 | 第45-47页 |
| 第五章 基于改进方案的实验及其结论 | 第47-52页 |
| ·实验准备 | 第47-48页 |
| ·实验的数据集 | 第47页 |
| ·评估标准 | 第47-48页 |
| ·实验及结果分析 | 第48-52页 |
| ·激活函数的选择 | 第48-49页 |
| ·推荐精度的比较 | 第49-51页 |
| ·实验结果分析 | 第51-52页 |
| 第六章 课题的总结与展望 | 第52-54页 |
| ·工作总结 | 第52-53页 |
| ·工作展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56页 |
