| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-14页 |
| 1.4 本文的结构 | 第14-15页 |
| 第2章 推荐服务系统相关技术基础 | 第15-22页 |
| 2.1 推荐系统主要研究内容 | 第15-16页 |
| 2.2 基于内容的推荐技术 | 第16-17页 |
| 2.2.1 概述 | 第16页 |
| 2.2.2 主要算法 | 第16-17页 |
| 2.2.3 技术的优缺点和适用性 | 第17页 |
| 2.3 基于协同过滤的推荐技术 | 第17-20页 |
| 2.3.1 概述 | 第17-19页 |
| 2.3.2 主要算法 | 第19-20页 |
| 2.3.3 技术的优缺点和适用性 | 第20页 |
| 2.4 组合推荐技术 | 第20-21页 |
| 2.4.1 在协同过滤系统中加入基于内容的算法 | 第20-21页 |
| 2.4.2 独立系统相互结合的推荐系统 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于用户兴趣推荐的可信系统关键技术 | 第22-38页 |
| 3.1 基于用户兴趣的购物推荐模型设计 | 第22-28页 |
| 3.1.1 建立用户兴趣模型 | 第22-25页 |
| 3.1.2 基于K-MEANS聚类算法用户群构建 | 第25-26页 |
| 3.1.3 基于用户群的协同过滤技术的推荐 | 第26-28页 |
| 3.2 推荐系统算法框架 | 第28-31页 |
| 3.2.1 模型训练 | 第28-30页 |
| 3.2.2 项目推荐 | 第30-31页 |
| 3.3 系统可信定义与风险评价 | 第31-37页 |
| 3.3.1 风险评价模型 | 第31-32页 |
| 3.3.2 网上购物的风险来源和类别 | 第32-33页 |
| 3.3.3 风险要素元数据描述 | 第33页 |
| 3.3.4 风险评估 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于用户兴趣的可信购物推荐服务系统的设计与实现 | 第38-46页 |
| 4.1 推荐系统的需求分析 | 第38页 |
| 4.2 系统架构设计 | 第38-39页 |
| 4.3 系统工作流程设计 | 第39-40页 |
| 4.4 系统实现环境与工具 | 第40-42页 |
| 4.5 系统提速实现 | 第42-43页 |
| 4.6 数据库设计 | 第43-44页 |
| 4.7 推荐系统界面设计 | 第44-45页 |
| 4.7.1 表现形式 | 第44页 |
| 4.7.2 推荐系统的输入/输出方式 | 第44-45页 |
| 4.8 本章小结 | 第45-46页 |
| 第5章 系统测试和评价 | 第46-51页 |
| 5.1 数据集抽取 | 第46页 |
| 5.2 实验环境 | 第46-47页 |
| 5.3 算法时间复杂度分析 | 第47页 |
| 5.4 算法评价标准 | 第47-48页 |
| 5.5 实验结果与分析 | 第48-50页 |
| 5.6 实验结论 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55页 |