| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 论文主要研究内容 | 第14-15页 |
| 1.4 论文结构内容安排 | 第15-17页 |
| 第2章 电商个性化推荐算法基本理论与相关技术 | 第17-29页 |
| 2.1 电商个性化推荐算法概述 | 第17-24页 |
| 2.1.1 电子商务推荐系统 | 第17-18页 |
| 2.1.2 框架结构 | 第18-20页 |
| 2.1.3 常见算法比较 | 第20-24页 |
| 2.2 移动平台相关技术 | 第24-27页 |
| 2.2.1 Android移动平台 | 第24-25页 |
| 2.2.2 SSH框架关键组件 | 第25-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第3章 基于协同过滤推荐算法的研究与优化 | 第29-51页 |
| 3.1 协同过滤算法概述 | 第29-38页 |
| 3.1.1 基本概念 | 第29-30页 |
| 3.1.2 算法分类 | 第30-33页 |
| 3.1.3 原理与架构 | 第33-36页 |
| 3.1.4 面临的瓶颈问题 | 第36-38页 |
| 3.2 协同过滤算法优化 | 第38-50页 |
| 3.2.1 算法优化描述 | 第38-39页 |
| 3.2.2 SVD分解 | 第39-42页 |
| 3.2.3 引入BP神经网络 | 第42-48页 |
| 3.2.4 算法流程 | 第48-50页 |
| 3.3 本章小结 | 第50-51页 |
| 第4章 算法性能对比实验与分析 | 第51-63页 |
| 4.1 仿真推荐实验环境 | 第51页 |
| 4.2 推荐实验数据来源 | 第51-53页 |
| 4.3 推荐实验设计过程 | 第53-56页 |
| 4.3.1 实验设计方案 | 第53-54页 |
| 4.3.2 算法性能评测指标 | 第54-56页 |
| 4.4 实验结果与分析 | 第56-61页 |
| 4.4.1 最近邻居不同情况分析 | 第58-60页 |
| 4.4.2 稀疏度不同情况分析 | 第60-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第5章 基于Android的电商个性化推荐系统设计与实现 | 第63-79页 |
| 5.1 结构化需求分析 | 第63-65页 |
| 5.1.1 功能性需求 | 第63-64页 |
| 5.1.2 非功能性需求 | 第64-65页 |
| 5.2 推荐系统总体设计 | 第65-68页 |
| 5.2.1 设计目标 | 第65页 |
| 5.2.2 系统设计 | 第65-67页 |
| 5.2.3 系统流程设计 | 第67-68页 |
| 5.3 推荐系统数据库设计 | 第68-70页 |
| 5.4 系统功能模块设计 | 第70-74页 |
| 5.4.1 用户行为记录模块 | 第70-71页 |
| 5.4.2 推荐算法模块 | 第71-72页 |
| 5.4.3 推荐结果输出模块 | 第72-74页 |
| 5.5 Android客户端 | 第74-76页 |
| 5.5.1 界面设计 | 第74页 |
| 5.5.2 功能设计 | 第74-76页 |
| 5.6 推荐系统整体测试 | 第76-78页 |
| 5.7 本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士期间取得的研究成果 | 第85-87页 |
| 致谢 | 第87页 |