声明
摘要
第1章 绪论
1.1 课题背景
1.1.1 网络购物的流行
1.1.2 网络购物面临选择难的问题
1.1.3 导购应用的现状和面临的问题
1.2 研究意义
1.2.1 构建了一个智能的个性化导购系统
1.2.2 对推荐系统进行了有益的探索和扩展
1.3 本文所做的工作和创新
1.4 论文结构安排
1.5 本章小结
第2章 推荐系统综述
2.1 推荐算法
2.1.1 基于相似度的协同过滤算法
2.1.2 基于产品特征的推荐算法
2.1.3 混合推荐
2.2 推荐系统的挑战
2.2.1 冷启动问题
2.2.2 数据稀疏性问题
2.3 推荐算法的评价
2.3.1 预测准确度
2.3.2 分类准确度
2.3.3 其他评价指标
2.4 本章小结
第3章 商品导购方法设计
3.1 核心数据对象
3.1.1 用户
3.1.2 商品
3.1.3 商品分类
3.1.4 商品集
3.1.5 文章
3.2 推荐的应用场景
3.2.1 首页推荐
3.2.2 商品详情页推荐
3.2.3 文章详情页推荐
3.3 结合消费者心理学的导购设计
3.4 本章小结
第4章 关键技术研究与实验
4.1 基于利用社交网络数据的用户聚类的协同过滤算法
4.1.1 新浪微博开放平台
4.1.2 基于微博状态数据的用户聚类
4.1.3 基于用户聚类的协同过滤算法
4.1.4 实验及结果分析
4.2 基于组合评分值的协同过滤集合推荐算法
4.2.1 集合的推荐
4.2.2 基于组合评分值的集合推荐算法
4.2.3 实验结果及分析
4.3 一种基于产品分类推荐的产品推荐算法
4.3.1 淘宝网商品分类系统
4.3.2 基于稀疏度的分类的动态选择
4.3.3 基于协同过滤的分类推荐
4.3.4 基于分类和分类内产品排序的产品推荐
4.3.5 实验与分析
4.4 基于相互关联度的协同过滤相互推荐算法
4.4.1 相互推荐系统
4.4.2 一种基于相互关联度的相互推荐算法
4.5 本章小结
第5章 系统设计与实现
5.1 主要模块
5.2 主要技术
5.3 部分界面及介绍
5.4 本章小结
第6章 总结与展望
6.1 本文主要工作及总结
6.2 未来工作展望
参考文献
攻读硕士学位期间主要的研究成果
致谢