基于异构网络分析的商品推荐系统研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 网络分析 | 第11页 |
| 1.2.2 异构网络分析 | 第11-12页 |
| 1.2.3 商品推荐 | 第12-13页 |
| 1.3 研究内容与创新点 | 第13-14页 |
| 1.3.1 主要研究工作 | 第13-14页 |
| 1.3.2 研究创新点 | 第14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 异构商品网络模型 | 第16-22页 |
| 2.1 异构信息网络模型 | 第16-17页 |
| 2.2 电子商务交易数据特征分析 | 第17-19页 |
| 2.3 异构商品网络模型 | 第19-20页 |
| 2.4 异构商品网络模型构造与维护 | 第20-21页 |
| 2.4.1 节点提取 | 第20页 |
| 2.4.2 关系提取 | 第20-21页 |
| 2.4.3 关系权重确定 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 基于异构网络排序的商品聚类算法 | 第22-44页 |
| 3.1 异构商品网络排序函数 | 第22-27页 |
| 3.1.1 排序函数相关定义 | 第22-25页 |
| 3.1.2 异构商品网络排序函数选择 | 第25-26页 |
| 3.1.3 实例分析 | 第26-27页 |
| 3.2 异构商品网络排序模型 | 第27-31页 |
| 3.2.1 概率模型 | 第28-30页 |
| 3.2.2 后验概率模型 | 第30-31页 |
| 3.3 商品聚类算法 | 第31-35页 |
| 3.3.1 聚类思路 | 第31-32页 |
| 3.3.2 聚类算法流程 | 第32-34页 |
| 3.3.3 算法伪代码 | 第34-35页 |
| 3.4 实验分析 | 第35-43页 |
| 3.4.1 实验数据及环境 | 第35-36页 |
| 3.4.2 聚类描述 | 第36-38页 |
| 3.4.3 精确度分析 | 第38-40页 |
| 3.4.4 参数分析 | 第40-42页 |
| 3.4.5 时间复杂度分析 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 基于异构网络分析的商品推荐模型 | 第44-53页 |
| 4.1 问题提出 | 第44页 |
| 4.2 基于异构商品网络的推荐思想 | 第44-45页 |
| 4.3 基于异构商品网络的推荐模型描述 | 第45-50页 |
| 4.3.1 商品推荐模型架构 | 第45-47页 |
| 4.3.2 商品推荐策略研究 | 第47-48页 |
| 4.3.3 商品推荐模型流程 | 第48-50页 |
| 4.4 推荐系统模型案例分析 | 第50-52页 |
| 4.5 推荐模型分析 | 第52页 |
| 4.6 本章小结 | 第52-53页 |
| 5 基于异构网络分析的商品推荐原型系统设计与实现 | 第53-65页 |
| 5.1 异构商品网络推荐系统需求分析 | 第53-54页 |
| 5.2 基于异构商品网络模型的系统功能设计 | 第54-56页 |
| 5.3 数据库设计 | 第56-60页 |
| 5.4 系统实现与效果分析 | 第60-63页 |
| 5.4.1 推荐系统首页 | 第61-62页 |
| 5.4.2 用户推荐结果页面 | 第62-63页 |
| 5.5 本章小结 | 第63-65页 |
| 6 结论与展望 | 第65-66页 |
| 6.1 结论 | 第65页 |
| 6.2 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71页 |
| A. 作者在攻读硕士学位期间发表的学术论文目录 | 第71页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第71页 |
| C. 作者在攻读硕士学位期间获奖情况 | 第71页 |
