電子商務推薦系統(tǒng)瓶頸問題研究

前言
第1章緒論
1.1問題的提出
1.2研究目的與意義
1.3電子商務推薦系統(tǒng)概述
1.3.1定義及任務
1.3.2用戶偏好數(shù)據(jù)
1.3.3相關(guān)推薦技術(shù)
1.4國內(nèi)外研究現(xiàn)狀
1.4.1協(xié)同過濾的起源和發(fā)展
1.4.2協(xié)同過濾的瓶頸問題
1.4.3稀疏性問題研究現(xiàn)狀
1.4.4可擴展性問題研究現(xiàn)狀
1.5研究內(nèi)容與結(jié)構(gòu)安排
第2章傳統(tǒng)協(xié)同過濾及其評價方法
2.1基于用戶的協(xié)同過濾
2.1.1表示
2.1.2鄰居用戶形成
2.1.3推薦生成
2.2基于項目的協(xié)同過濾
2.2.1鄰居項目形成
2.2.2推薦生成
2.3推薦質(zhì)量評價方法
2.3.1評價標準
2.3.2實驗數(shù)據(jù)集
2.3.3實驗方案
2.4本章小結(jié)
第3章面向KNN法的稀疏性緩解理論研究
3.1相關(guān)工作分析
3.2非目標用戶類型區(qū)分理論
3.3基于領(lǐng)域最近鄰理論的KNN法
3.3.1領(lǐng)域最近鄰理論
3.3.2基于領(lǐng)域最近鄰的KNN法描述
3.3.3實驗結(jié)果及分析
3.4基于Rough集理論的KNN法
3.4.1基于Rough集理論的未評分項填補方法
3.4.2基于Rough集理論的KNN法描述
3.4.3實驗結(jié)果及分析
3.5本章小結(jié)
第4章基于用戶訪問項序的冷啟動消除方法研究
4.1相關(guān)工作分析
4.2用戶訪問項序理論
4.2.1用戶訪問項序的獲取
4.2.2n序訪問解析邏輯
4.2.3用戶訪問項序的相似性計算方法
4.3基于訪問項序最近鄰的top—N推薦
4.4基于Markov鏈模型的商品導航推薦
4.4.1Markov鏈與概率轉(zhuǎn)移矩陣
4.4.2用戶訪問項序的Markov鏈模型
4.4.3模型的訓練方法
4.5實驗結(jié)果及分析
4.5.1實驗環(huán)境、數(shù)據(jù)集及評價標準
4.5.2實驗結(jié)果及分析
4.6本章小結(jié)
第5章面向可擴展性的增量更新機制研究
5.1相關(guān)工作分析
5.2項目相似性增量更新機制
5.2.1增量更新機制的基本思想
5.2.2獨立因子的增量值計算方法
5.2.3計算復雜度分析
5.2.4增量更新流程分析
5.3實驗結(jié)果及分析
5.3.1實驗環(huán)境、數(shù)據(jù)集及評價標準
5.3.2實驗結(jié)果及分析
5.4本章小結(jié)
第6章電子商務協(xié)同過濾系統(tǒng)ECRec的設計與實現(xiàn)
6.1ECRec的設計
6.1.1系統(tǒng)架構(gòu)設計
6.1.2功能模塊設計
6.1.3系統(tǒng)內(nèi)存處理設計
6.2ECRec的實現(xiàn)
6.3本章小結(jié)
第7章總結(jié)與展望
7.1研究工作總結(jié)
7.2未來研究展望
參考文獻