中文摘要2-3
Abstract3-4
中文文摘4-6
目录6-8
第一章 绪论8-16
1.1 探讨背景8-9
1.2 国内外探讨近况9-12
1.3 探讨目标与论文结构12-16
1.3.1 探讨的作用12
1.3.2 本论文的主要工作及革新之处12-13
1.3.3 本论文的组织结构13-16
第二章 电子商务网用户行为与个性化推荐系统综述16-26
2.1 电子商务网站介绍16-20
2.2 电子商务网站上用户的行为描述20-22
2.3 电子商务个性化推荐系统概述22-25
2.3.1 电子商务个性化推荐系统的关键技术22-23
2.3.2 电子商务个性化推荐系统的工作原理23-25
2.4 本章小结25-26
第三章 粒计算论述综述26-42
3.1 粒计算的概念26-31
3.1.1 粒的定义与描述26
3.1.2 粒层次26-27
3.1.3 粒结构27-28
3.1.4 粒计算的三角形28-31
3.2 粒计算的核心内容31-32
3.2.1 粒化31-32
3.2.2 粒的计算32
3.3 粒计算的主要模型32-39
3.3.1 基于粗糙集的粒计算模型32-35
3.3.2 基于商空间的粒计算模型35-37
3.3.3 基于领域知识的粒计算模型37-39
3.4 各种运用环境下的粒计算39-41
3.4.1 海量数据处理中的粒计算40
3.4.2 分布式数据处理中的粒计算40-41
3.4.3 多维数据处理中的粒计算41
3.4.4 动态数据处理中的粒计算41
3.5 本章小结41-42
第四章 基于粒计算的协同过滤推荐算法42-66
4.1 协同过滤技术介绍42-47
4.1.1 协同过滤算法描述42-45
4.1.2 电子商务网推荐算法评价标准45-47
4.2 协同过滤算法的粒度浅析47-63
4.2.1 与用户行为无关的商品聚类47-55
4.2.2 基于购写行为的最近邻计算55-63
4.3 实验设计与结果浅析63-65
4.3.1 实验的数据集63
4.3.2 实验环境63
4.3.3 比较度量的标准63
4.3.4 实验结果与浅析63-65
4.4 本章小结65-66
第五章 总结与展望66-68