网络购物中顾客共同趋向性获取算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-19页 |
| 1.1 研究的背景 | 第8-10页 |
| 1.1.1 网络购物的现状 | 第8-10页 |
| 1.1.2 网络购物快速发展原因 | 第10页 |
| 1.2 目前的商品推荐 | 第10-14页 |
| 1.2.1 推荐系统相比于搜索引擎的区别及优势 | 第10-11页 |
| 1.2.2 推荐算法的研究现状 | 第11-12页 |
| 1.2.3 现有的推荐算法 | 第12-13页 |
| 1.2.4 各类算法优缺点比较 | 第13-14页 |
| 1.3 获取顾客共同趋向性研究现状 | 第14-17页 |
| 1.3.1 获取顾客共同趋向的背景 | 第14-15页 |
| 1.3.2 研究现状 | 第15-16页 |
| 1.3.3 应用价值和研究意义 | 第16-17页 |
| 1.4 研究内容和组织结构 | 第17-19页 |
| 2 基础理论 | 第19-29页 |
| 2.1 集合相似度理论 | 第19-21页 |
| 2.1.1 相似度的性质 | 第19页 |
| 2.1.2 相似系数的计算 | 第19-20页 |
| 2.1.3 客观确定权重的方法 | 第20-21页 |
| 2.3 复杂网络的基本理论 | 第21-24页 |
| 2.3.1 网络与度的定义 | 第21页 |
| 2.3.2 网络拓扑特性 | 第21-22页 |
| 2.3.3 网络系统的复杂性 | 第22-23页 |
| 2.3.4 现实中的网络 | 第23-24页 |
| 2.4 链路预测的相关知识 | 第24-29页 |
| 2.4.1 链路预测的定义及思想 | 第24-25页 |
| 2.4.2 无向无权网络的链路预测 | 第25-26页 |
| 2.4.3 无向加权网络的链路预测 | 第26-27页 |
| 2.4.4 局部信息相似性指标比较 | 第27-29页 |
| 3 顾客购物共同趋向性获取算法研究 | 第29-40页 |
| 3.1 集合运算 | 第31-33页 |
| 3.2 顾客相似性算法 | 第33-34页 |
| 3.2.1 方法介绍 | 第33页 |
| 3.2.2 基本步骤 | 第33-34页 |
| 3.3 消除非常规顾客影响算法 | 第34-35页 |
| 3.3.1 加权RA算法思想 | 第34-35页 |
| 3.3.2 算法流程图 | 第35页 |
| 3.4 对孤立点的处理算法 | 第35-36页 |
| 3.5 基于链路预测的顾客共同趋向性获取算法 | 第36-40页 |
| 3.5.1 所推荐商品顾客的不同分类 | 第36-38页 |
| 3.5.2 获取具有共同趋向性顾客的算法 | 第38-40页 |
| 4 实验验证 | 第40-58页 |
| 4.1 研究对象 | 第40页 |
| 4.2 实验准备 | 第40-43页 |
| 4.2.1 实验设计 | 第40-41页 |
| 4.2.2 数据预处理 | 第41-43页 |
| 4.3 实验过程 | 第43-56页 |
| 4.3.1 处理非孤立节点的购物趋向性 | 第43-47页 |
| 4.3.2 处理孤立节点的购物趋向性 | 第47-56页 |
| 4.4 结果分析 | 第56-58页 |
| 4.4.1 模型求解结果 | 第56页 |
| 4.4.2 模型值与实验值对比分析 | 第56-58页 |
| 5 结论与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录A 问卷调查 | 第65-69页 |
| 附录B 算法程序 | 第69-73页 |
| 附录C 数据处理结果 | 第73-79页 |
| 在学期间发表的学术论文 | 第79-80页 |
