| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究综述 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-15页 |
| 1.3 论文的研究内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第2章 相关技术概述 | 第18-28页 |
| 2.1 电子商务个性化推荐概述 | 第18-20页 |
| 2.1.1 电子商务个性化推荐的流程 | 第18-19页 |
| 2.1.2 电子商务个性化推荐的作用 | 第19-20页 |
| 2.2 个性化推荐相关理论 | 第20-25页 |
| 2.2.1 个性化推荐概述 | 第20页 |
| 2.2.2 常用的个性化推荐算法 | 第20-25页 |
| 2.3 个性化推荐算法的评估方法 | 第25-27页 |
| 2.4 本章总结 | 第27-28页 |
| 第3章 基于两阶段的电子商务个性化推荐模型 | 第28-40页 |
| 3.1 电子商务个性化推荐中存在的问题 | 第28-33页 |
| 3.1.1 数据稀疏性导致推荐精确性不高 | 第29-30页 |
| 3.1.2 长尾商品的挖掘能力低 | 第30-31页 |
| 3.1.3 精确性与多样性的不可兼得 | 第31-33页 |
| 3.2 两阶段电子商务推荐模型的构建 | 第33-39页 |
| 3.2.1 电子商务推荐模型的构建 | 第33-35页 |
| 3.2.2 评分预测阶段 | 第35-37页 |
| 3.2.3 多样性推荐阶段 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 电子商务个性化推荐的评分预测阶段算法设计 | 第40-59页 |
| 4.1 相似度计算 | 第41-44页 |
| 4.1.1 传统相似度计算的不足 | 第41-44页 |
| 4.1.2 改进的相似度计算 | 第44页 |
| 4.2 基于NI-Slope One的项目评分预测算法 | 第44-53页 |
| 4.2.1 Slope One算法的缺陷 | 第44-46页 |
| 4.2.2 NI-Slope One算法框架 | 第46-47页 |
| 4.2.3 用户评分数据的预处理 | 第47-49页 |
| 4.2.4 寻找最近邻居项目 | 第49-51页 |
| 4.2.5 评分预测并生成初始推荐项目 | 第51-53页 |
| 4.3 评分预测实验与评估 | 第53-58页 |
| 4.3.1 实验数据集 | 第53页 |
| 4.3.2 预测精确度评估指标 | 第53-54页 |
| 4.3.3 评分预测实验结果 | 第54-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 电子商务个性化推荐的多样性推荐阶段算法设计 | 第59-78页 |
| 5.1 现有解决多样性问题的方法及不足 | 第59-61页 |
| 5.2 基于项目评分重计算的Top-N推荐算法 | 第61-71页 |
| 5.2.1 算法流程 | 第62-63页 |
| 5.2.2 初始推荐项目的类别权重初始化 | 第63-65页 |
| 5.2.3 调整项目类别权重 | 第65-67页 |
| 5.2.4 重计算项目评分 | 第67-70页 |
| 5.2.5 生成Top-N推荐列表 | 第70-71页 |
| 5.3 多样性推荐实验 | 第71-77页 |
| 5.3.1 推荐结果多样性评估指标 | 第72-73页 |
| 5.3.2 多样性推荐实验设计与结果 | 第73-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第6章 总结 | 第78-80页 |
| 6.1 总结 | 第78-79页 |
| 6.2 不足与展望 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 攻读学位期间公开发表论文 | 第85-86页 |
| 致谢 | 第86页 |