摘要5-6
Abstract6-10
第1章 绪论10-15
1.1 课题探讨背景及作用10-11
1.2 国内外探讨近况11-13
1.2.1 国外探讨近况11-12
1.2.2 国内探讨近况12-13
1.3 论文的主要探讨内容13
1.4 论文的组织结构13-15
第2章 电子商务个性化推荐系统15-22
2.1 个性化推荐系统概述15-19
2.1.1 个性化推荐系统的基本概念15
2.1.2 个性化推荐系统的框架15-17
2.1.3 个性化推荐系统的推荐流程17
2.1.4 个性化推荐系统的结构17-19
2.2 推荐系统的分类19-21
2.2.1 非个性化推荐系统19
2.2.2 个性化推荐系统19-21
2.3 本章小结21-22
第3章 电子商务个性化推荐技术22-33
3.1 集体智慧22-23
3.1.1 集体智慧的基本概念22
3.1.2 集体智慧的类型22-23
3.2 协同过滤技术23-30
3.2.1 协同过滤技术的基本概念23
3.2.2 协同过滤技术原理23-25
3.2.3 协同过滤技术处理历程25-26
3.2.4 相似度计算26-29
3.2.5 协同过滤技术的优点与不足29-30
3.3 其他推荐技术介绍30-32
3.3.1 基于内容的推荐31
3.3.2 基于关联规则的推荐31
3.3.3 基于效用的推荐31-32
3.3.4 基于知识的推荐32
3.3.5 组合推荐32
3.4 本章小结32-33
第4章 提升推荐质量的探讨33-43
4.1 协同过滤推荐质量改善的探讨方向33
4.2 数据稀疏性不足的探讨33-39
4.2.1 数据稀疏性不足33-34
4.2.2 解决数据稀疏性常用策略34-36
4.2.3 利用专家智慧缓解数据稀疏性不足36-37
4.2.4 实验结果与浅析37-39
4.3 冷启动不足探讨39-42
4.3.1 冷启动不足39
4.3.2 解决冷启动不足常用策略39-40
4.3.3 利用信息熵法解决冷启动不足40-41
4.3.4 实验结果与浅析41-42
4.4 本章小结42-43
第5章 构建电子商务推荐系统43-54
5.1 推荐系统的基本要求43
5.2 推荐系统的硬件平台43
5.3 基于协同过滤推荐系统构建43-51
5.3.1 收集偏好43-45
5.3.2 寻找邻居用户45-46
5.3.3 寻找匹配结果46
5.3.4 作出推荐46-48
5.3.5 基于项目协同过滤推荐系统构建48-49
5.3.6 构建真实数据集49-51
5.4 推荐系统运用展示51-53
5.4.1 推荐资源管理51
5.4.2 推荐参数设置管理51-52
5.4.3 展示推荐结果52-53
5.5 本章小结53-54
第6章 结论与展望54-56
6.1 探讨结论54
6.2 工作展望54-56