Web挖掘技术在电子商务推荐系统中的研究与应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·课题背景 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·电子商务推荐系统面临的主要挑战 | 第13页 |
| ·本文的研究内容和工作 | 第13-14页 |
| ·论文章节介绍 | 第14-15页 |
| 第2章 Web挖掘与电子商务推荐系统 | 第15-23页 |
| ·Web挖掘简介 | 第15-16页 |
| ·Web挖掘特点 | 第15-16页 |
| ·Web挖掘在推荐系统应用方面的优势 | 第16页 |
| ·Web挖掘分类 | 第16-19页 |
| ·Web内容挖掘 | 第17页 |
| ·Web结构挖掘 | 第17-18页 |
| ·Web使用挖掘 | 第18-19页 |
| ·电子商务推荐系统构成 | 第19页 |
| ·电子商务推荐系统分类 | 第19-21页 |
| ·基于聚类分析的电子商务推荐系统 | 第19-20页 |
| ·基于规则的电子商务推荐系统 | 第20-21页 |
| ·电子商务推荐系统工作流程 | 第21-23页 |
| 第3章 数据清洗设计与实现 | 第23-31页 |
| ·数据清洗概述 | 第23页 |
| ·数据清洗设计 | 第23-25页 |
| ·去除文档中的格式标记 | 第23-24页 |
| ·过滤非法字符和字母大小写转换 | 第24页 |
| ·词干化处理 | 第24-25页 |
| ·中文分词处理 | 第25页 |
| ·数据清洗实现 | 第25-31页 |
| 第4章 基于人工免疫增量的聚类推荐算法 | 第31-40页 |
| ·聚类算法的相关概念 | 第31-33页 |
| ·aiNet聚类算法 | 第33-34页 |
| ·增量式人工免疫聚类算法的研究 | 第34-37页 |
| ·增量式人工免疫聚类算法的基本原理 | 第34页 |
| ·算法思想 | 第34-35页 |
| ·主要公式说明 | 第35页 |
| ·算法定义 | 第35-36页 |
| ·算法描述 | 第36页 |
| ·算法主要代码 | 第36-37页 |
| ·算法实验 | 第37-40页 |
| ·实验数据集 | 第37-38页 |
| ·实验结果和分析 | 第38-40页 |
| 第5章 推荐系统的模型设计 | 第40-51页 |
| ·Web挖掘系统总体模型 | 第40-44页 |
| ·数据采集 | 第40-41页 |
| ·数据处理 | 第41-42页 |
| ·数据存储 | 第42页 |
| ·模式发现 | 第42-43页 |
| ·模式分析利用 | 第43页 |
| ·用户模块 | 第43-44页 |
| ·Web挖掘系统实现模型 | 第44-45页 |
| ·数据结构 | 第45-47页 |
| ·数据预处理模块 | 第47-48页 |
| ·聚类分析模块 | 第48-49页 |
| ·推荐系数计算模块 | 第49页 |
| ·显示模块 | 第49-51页 |
| 第6章 总结与展望 | 第51-53页 |
| ·本文的主要工作 | 第51页 |
| ·不足之处 | 第51-52页 |
| ·前景展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间发表的论文及参与项目情况 | 第57页 |
