电子商务环境下的个性化信息推荐服务及应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-16页 |
| ·研究背景和意义 | 第12-13页 |
| ·研究的背景 | 第12页 |
| ·目的和意义 | 第12-13页 |
| ·国内外个性化推荐系统研究与应用现状 | 第13-14页 |
| ·研究内容及主要工作 | 第14-15页 |
| ·论文结构及章节安排 | 第15-16页 |
| 第二章 个性化信息推荐理论及相关技术 | 第16-23页 |
| ·个性化推荐系统理论概述 | 第16-18页 |
| ·个性化信息推荐服务 | 第16-17页 |
| ·电子商务环境下的推荐系统 | 第17页 |
| ·电子商务推荐系统的分类 | 第17-18页 |
| ·个性化信息推荐的相关技术 | 第18-21页 |
| ·系统接口与数据描述 | 第18-19页 |
| ·推荐技术的比较分析 | 第19-21页 |
| ·热点研究问题讨论 | 第21-23页 |
| 第三章 个性化推荐系统中的算法改进 | 第23-32页 |
| ·个性化信息推荐的一般过程 | 第23-24页 |
| ·用户数据收集 | 第23页 |
| ·数据分析 | 第23页 |
| ·产生推荐数据集 | 第23-24页 |
| ·协同过滤推荐算法分析 | 第24页 |
| ·聚类分析在协同过滤推荐算法中的应用 | 第24-27页 |
| ·聚类分析概述 | 第24-25页 |
| ·基于用户聚类的协同推荐算法 | 第25-26页 |
| ·基于项目聚类的协同推荐算法 | 第26-27页 |
| ·基于聚类的协同过滤算法改进 | 第27-28页 |
| ·算法改进的原因 | 第27页 |
| ·改进算法的思想 | 第27-28页 |
| ·改进算法的语言描述和程序流程图 | 第28-32页 |
| ·改进算法设计 | 第28-31页 |
| ·改进算法程序流程图 | 第31-32页 |
| 第四章 个性化推荐改进算法的实例验证 | 第32-41页 |
| ·数据集 | 第32页 |
| ·实验设计 | 第32-35页 |
| ·实验数据集的选取 | 第32-33页 |
| ·实验环境 | 第33页 |
| ·测评指标 | 第33-34页 |
| ·数据库设计及语言代码 | 第34-35页 |
| ·算法编程及测试 | 第35-39页 |
| ·算法编程 | 第35页 |
| ·改进部分的算法 | 第35-39页 |
| ·算法比较及分析 | 第39-40页 |
| ·结论 | 第40-41页 |
| 第五章 基于项目与客户聚类的的个性化推荐系统构想 | 第41-50页 |
| ·个性化推荐模型描述 | 第41-42页 |
| ·模型的构建原则 | 第41-42页 |
| ·个性化推荐模型的功能 | 第42页 |
| ·基于项目与客户聚类的个性化推荐模型总体框架 | 第42-44页 |
| ·模型的整体结构 | 第42-43页 |
| ·模型的工作流程 | 第43-44页 |
| ·产品信息模块 | 第44-46页 |
| ·产品类别信息 | 第44页 |
| ·产品基本信息 | 第44页 |
| ·产品属性信息 | 第44-45页 |
| ·产品的特征向量 | 第45-46页 |
| ·产品信息功能模块流程图 | 第46页 |
| ·用户信息模块 | 第46-48页 |
| ·客户基本信息 | 第46-47页 |
| ·用户浏览行为信息及用户购买信息 | 第47页 |
| ·用户特征向量 | 第47-48页 |
| ·用户信息功能模块流程图 | 第48页 |
| ·过滤模块 | 第48-49页 |
| ·推荐模块 | 第49-50页 |
| 第六章 结论与展望 | 第50-52页 |
| ·本文的工作 | 第50页 |
| ·进一步的工作 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表论文 | 第55-56页 |
| 附录 | 第56-61页 |
