| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 中英文缩写词对照表 | 第11-12页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 国内外研究进展状况 | 第12-13页 |
| 1.3 论文的主要内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 关键技术及相关知识介绍 | 第15-26页 |
| 2.1 电子商务个性化推荐系统介绍 | 第15-16页 |
| 2.1.1 电子商务个性化推荐系统概述 | 第15页 |
| 2.1.2 电子商务个性化推荐系统框架 | 第15-16页 |
| 2.2 电子商务个性化推荐算法 | 第16-25页 |
| 2.2.1 基于内容的推荐算法 | 第16-17页 |
| 2.2.2 基于协同过滤的推荐算法 | 第17-19页 |
| 2.2.2.1 基于内存的协同过滤推荐算法 | 第18-19页 |
| 2.2.2.2 基于模型的协同过滤推荐算法 | 第19页 |
| 2.2.3 组合推荐算法 | 第19-20页 |
| 2.2.4 隐语义分析技术 | 第20-25页 |
| 2.2.4.1 隐语义模型(LFM) | 第20-21页 |
| 2.2.4.2 概率矩阵分解模型(PMF) | 第21-23页 |
| 2.2.4.3 潜在狄利克雷分布模型(LDA) | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于用户反馈信息与用户信任度的商品推荐模型 | 第26-41页 |
| 3.1 问题定义 | 第26-31页 |
| 3.2 集成社交网络中的反馈信息 | 第31-35页 |
| 3.2.1 基于信任关系的概率矩阵分解模型 | 第31-34页 |
| 3.2.2 基于用户评分与信任关系的概率矩阵分解模型(RSTE) | 第34-35页 |
| 3.3 集成用户反馈信息 | 第35-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 实验结果及其分析 | 第41-49页 |
| 4.1 实验数据集 | 第41-42页 |
| 4.2 实验评价指标 | 第42-43页 |
| 4.3 实验评估过程 | 第43页 |
| 4.4 实验结果分析 | 第43-48页 |
| 4.4.1 对比实验 | 第43-45页 |
| 4.4.2 设定参数μ的值 | 第45-47页 |
| 4.4.3 缓解数据稀疏性问题 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 工作总结 | 第49页 |
| 5.2 工作展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士期间发表的学术论文 | 第56页 |