一种混合模式电子商务推荐技术的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题背景 | 第9-10页 |
| ·课题研究现状 | 第10-12页 |
| ·频繁模式挖掘的国内外研究现状 | 第10-11页 |
| ·协同过滤的国内外研究现状 | 第11-12页 |
| ·课题研究内容 | 第12-13页 |
| ·课题研究意义 | 第13-14页 |
| ·文章组织结构 | 第14-16页 |
| 第二章 相关技术概述 | 第16-28页 |
| ·数据挖掘和频繁模式挖掘 | 第16-21页 |
| ·电子商务个性化推荐系统 | 第21-22页 |
| ·电子商务推荐系统的组成模块 | 第22-24页 |
| ·电子商务个性化推荐技术 | 第24-28页 |
| 第三章 电子商务推荐系统的整体框架 | 第28-35页 |
| ·推荐系统的整体框架图 | 第28页 |
| ·基于频繁模式的信息推荐模块 | 第28-31页 |
| ·基于协同过滤的信息推荐模块 | 第31-33页 |
| ·系统框架的优越性 | 第33-35页 |
| 第四章 频繁模式挖掘与信息推荐 | 第35-58页 |
| ·频繁模式形式化定义 | 第35-37页 |
| ·频繁模式挖掘算法 | 第37-45页 |
| ·Apriori算法及其改进 | 第37-38页 |
| ·FP-growth算法 | 第38-43页 |
| ·FP-growth的改进算法 | 第43-45页 |
| ·增量挖掘及有关算法 | 第45-50页 |
| ·增量挖掘的概念 | 第45-46页 |
| ·基于Apriori的增量挖掘算法 | 第46-48页 |
| ·基于FP-growth的增量挖掘算法 | 第48-50页 |
| ·一种改进的增量挖掘算法 | 第50-56页 |
| ·一种改进的增量挖掘算法描述 | 第51-53页 |
| ·关于该改进算法的示例 | 第53-55页 |
| ·实验结果分析 | 第55-56页 |
| ·基于频繁模式的信息推荐 | 第56-58页 |
| 第五章 协同过滤技术与信息推荐 | 第58-73页 |
| ·基于协同过滤的推荐系统 | 第58-62页 |
| ·基于协同过滤的推荐系统简介 | 第58-59页 |
| ·协同过滤推荐系统的优缺点分析 | 第59-61页 |
| ·推荐结果的评价 | 第61-62页 |
| ·未评分项评分预测技术 | 第62-67页 |
| ·基于项目评分预测的协同过滤技术 | 第62-65页 |
| ·基于邻域最近邻的协同过滤技术 | 第65-67页 |
| ·基于类型相似度评分预测的协同过滤算法 | 第67-73页 |
| ·算法的提出 | 第67-68页 |
| ·算法的描述 | 第68-71页 |
| ·项目类型相似度权重的确定 | 第71-72页 |
| ·算法的总结 | 第72-73页 |
| 第六章 实验及结果分析 | 第73-80页 |
| ·实验数据集介绍 | 第73-75页 |
| ·基于类型相似度评分预测的推荐结果比较 | 第75-78页 |
| ·基于协同过滤技术和频繁模式发现的推荐结果比较 | 第78-80页 |
| 第七章 总结与展望 | 第80-82页 |
| ·总结 | 第80-81页 |
| ·展望 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 攻读硕士学位期间发表的论文 | 第88-89页 |
| 致谢 | 第89-90页 |
