| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-25页 |
| ·背景 | 第9-11页 |
| ·研究意义与目的 | 第11页 |
| ·电子商务个性化推荐系统概述 | 第11-18页 |
| ·定义及作用 | 第11-13页 |
| ·用户偏好数据 | 第13-15页 |
| ·相关推荐技术 | 第15-18页 |
| ·国内外研究现状 | 第18-23页 |
| ·国外研究现状 | 第18-22页 |
| ·国内研究现状 | 第22-23页 |
| ·论文的组织架构 | 第23-24页 |
| ·本文主要工作及创新点 | 第24-25页 |
| 第二章 协同过滤算法分析及其评价指标 | 第25-37页 |
| ·基于用户的协同过滤 | 第25-28页 |
| ·基于项目的协同过滤 | 第28-29页 |
| ·协同过滤的瓶颈问题分析 | 第29-34页 |
| ·数据的稀疏性问题 | 第30-33页 |
| ·冷启动问题 | 第33页 |
| ·扩展性问题 | 第33-34页 |
| ·推荐系统评价指标 | 第34-36页 |
| ·预测评分精确度评价 | 第34-35页 |
| ·推荐结果准确性评价 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 一种新的协同过滤改进算法ICF-AD | 第37-48页 |
| ·基于关联分析的数据稀疏性的改进方法 | 第37-42页 |
| ·关联分析的相关概念 | 第37-40页 |
| ·稀疏性改进过程 | 第40-42页 |
| ·基于领域的用户最近邻计算方法 | 第42-45页 |
| ·相关工作分析 | 第42-43页 |
| ·基于领域的用户最近邻 | 第43-44页 |
| ·基于领域的用户最近邻计算方法描述 | 第44-45页 |
| ·基于用户的协同过滤改进算法—ICF-AD | 第45-46页 |
| ·ICF-AD 算法的核心思想 | 第45页 |
| ·ICF-AD 算法的过程描述 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 协同过滤改进算法的仿真与测试 | 第48-53页 |
| ·数据集 | 第48-49页 |
| ·实验方案 | 第49页 |
| ·ICF-AD 和传统协同过滤算法以及已有的改进算法的比较分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 发展与展望 | 第53-55页 |
| ·本文工作回顾 | 第53页 |
| ·成果及意义 | 第53页 |
| ·研究展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 在学期间的研究成果及发表的学术论文 | 第60页 |