协同过滤技术在电子商务推荐系统中的应用与研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景 | 第10-14页 |
| ·电子商务个性化推荐系统 | 第10-11页 |
| ·电子商务推荐系统研究现状 | 第11-12页 |
| ·电子商务个性化推荐系统的作用 | 第12-13页 |
| ·研究推荐系统在电子商务中的意义 | 第13-14页 |
| ·论文的研究内容和工作 | 第14页 |
| ·论文的结构安排 | 第14-16页 |
| 第2章 电子商务个性推荐系统 | 第16-24页 |
| ·电子商务个性化推荐系统的构成 | 第16-17页 |
| ·电子商务个性化推荐系统分类 | 第17-20页 |
| ·基于聚类分析的电子商务个性化推荐系统 | 第17-18页 |
| ·基于规则的电子商务个性化推荐系统 | 第18-19页 |
| ·基于知识网格的电子商务个性化推荐系统 | 第19页 |
| ·基于Agent的电子商务个性化推荐系统 | 第19-20页 |
| ·电子商务个性化推荐系统的框架 | 第20-21页 |
| ·电子商务个性化推荐系统的研究内容 | 第21-22页 |
| ·目前采用的电子商务推荐策略及评价标准 | 第22-24页 |
| ·推荐策略 | 第22-23页 |
| ·评价标准 | 第23-24页 |
| 第3章 电子商务个性化推荐系统的技术 | 第24-37页 |
| ·推荐技术概述 | 第24-33页 |
| ·基于用户的协同过滤推荐 | 第25-28页 |
| ·基于项目的协同过滤推荐 | 第28-29页 |
| ·基于规则的推荐 | 第29-30页 |
| ·基于内容的推荐 | 第30-31页 |
| ·基于用户统计信息的推荐 | 第31页 |
| ·基于效用的推荐 | 第31页 |
| ·基于知识的推荐 | 第31-32页 |
| ·组合推荐 | 第32-33页 |
| ·协同过滤在电子商务推荐系统应用中存在的问题 | 第33-37页 |
| ·存在的问题 | 第33-34页 |
| ·现有的解决方法 | 第34-37页 |
| 第4章 协同过滤算法改进研究 | 第37-53页 |
| ·基于用户个人特征的聚类算法研究 | 第37-40页 |
| ·用户特征的影响 | 第38页 |
| ·用户属性特征的选取 | 第38-39页 |
| ·基于用户个人特征的聚类算法 | 第39-40页 |
| ·基于用户协同过滤算法的问题 | 第40-45页 |
| ·基于用户兴趣变化的协同过滤 | 第41-44页 |
| ·冷启动问题 | 第44-45页 |
| ·实验分析及结果 | 第45-53页 |
| ·实验数据及实验环境 | 第45-46页 |
| ·推荐评价标准 | 第46页 |
| ·实验分析 | 第46-51页 |
| ·实验结论 | 第51-53页 |
| 第5章 个性化推荐系统的设计和实现 | 第53-71页 |
| ·需求分析 | 第53页 |
| ·系统架构和流程 | 第53-56页 |
| ·系统架构 | 第53-55页 |
| ·系统流程 | 第55-56页 |
| ·数据库表结构 | 第56-57页 |
| ·推荐模型 | 第57-71页 |
| ·热门电影推荐模块 | 第58-60页 |
| ·新电影推荐模块 | 第60-62页 |
| ·分类推荐模块 | 第62-63页 |
| ·基于用户特征和用户兴趣变化的推荐模块 | 第63-71页 |
| 第6章 总结与展望 | 第71-73页 |
| ·总结 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间发表的论文及参研项目 | 第77页 |
