目錄
前言
第1章 緒論1
1.1問(wèn)題的提出1
1.2研究目的與意義4
1.3電子商務(wù)推薦系統(tǒng)概述6
1.3.1定義及任務(wù)6
1.3.2用戶偏好數(shù)據(jù)7
1.3.3相關(guān)推薦技術(shù)9
1.4國(guó)內(nèi)外研究現(xiàn)狀15
1.4.1協(xié)同過(guò)濾的起源和發(fā)展15
1.4.2協(xié)同過(guò)濾的瓶頸問(wèn)題22
1.4.3稀疏性問(wèn)題研究現(xiàn)狀24
1.4.4可擴(kuò)展性問(wèn)題研究現(xiàn)狀33
1.5研究?jī)?nèi)容與結(jié)構(gòu)安排43
第2章 傳統(tǒng)協(xié)同過(guò)濾及其評(píng)價(jià)方法45
2.1基于用戶的協(xié)同過(guò)濾45
2.1.1表示46
2.1.2鄰居用戶形成46
2.1.3推薦生成49
2.2基于項(xiàng)目的協(xié)同過(guò)濾51
2.2.1鄰居項(xiàng)目形成51
2.2.2推薦生成55
2.3推薦質(zhì)量評(píng)價(jià)方法56
2.3.1評(píng)價(jià)標(biāo)準(zhǔn)56
2.3.2實(shí)驗(yàn)數(shù)據(jù)集59
2.3.3實(shí)驗(yàn)方案60
2.4本章小結(jié)60
第3章 面向KNN法的稀疏性緩解理論研究61
3.1相關(guān)工作分析61
3.2非目標(biāo)用戶類型區(qū)分理論62
3.3基于領(lǐng)域最近鄰理論的KNN法64
3.3.1領(lǐng)域最近鄰理論64
3.3.2基于領(lǐng)域最近鄰的KNN法描述67
3.3.3實(shí)驗(yàn)結(jié)果及分析69
3.4基于Rough集理論的KNN法73
3.4.1基于Rough集理論的未評(píng)分項(xiàng)填補(bǔ)方法73
3.4.2基于Rough集理論的KNN法描述78
3.4.3實(shí)驗(yàn)結(jié)果及分析79
3.5本章小結(jié)87
第4章 基于用戶訪問(wèn)項(xiàng)序的冷啟動(dòng)消除方法研究88
4.1相關(guān)工作分析88
4.2用戶訪問(wèn)項(xiàng)序理論90
4.2.1用戶訪問(wèn)項(xiàng)序的獲取90
4.2.2n序訪問(wèn)解析邏輯93
4.2.3用戶訪問(wèn)項(xiàng)序的相似性計(jì)算方法95
4.3基于訪問(wèn)項(xiàng)序最近鄰的top-N推薦99
4.4基于Markov鏈模型的商品導(dǎo)航推薦101
4.4.1Markov鏈與概率轉(zhuǎn)移矩陣101
4.4.2用戶訪問(wèn)項(xiàng)序的Markov鏈模型104
4.4.3模型的訓(xùn)練方法105
4.5實(shí)驗(yàn)結(jié)果及分析106
4.5.1實(shí)驗(yàn)環(huán)境、數(shù)據(jù)集及評(píng)價(jià)標(biāo)準(zhǔn)106
4.5.2實(shí)驗(yàn)結(jié)果及分析107
4.6本章小結(jié)109
第5章 面向可擴(kuò)展性的增量更新機(jī)制研究110
5.1相關(guān)工作分析110
5.2項(xiàng)目相似性增量更新機(jī)制111
5.2.1增量更新機(jī)制的基本思想112
5.2.2獨(dú)立因子的增量值計(jì)算方法113
5.2.3計(jì)算復(fù)雜度分析118
5.2.4增量更新流程分析120
5.3實(shí)驗(yàn)結(jié)果及分析121
5.3.1實(shí)驗(yàn)環(huán)境、數(shù)據(jù)集及評(píng)價(jià)標(biāo)準(zhǔn)121
5.3.2實(shí)驗(yàn)結(jié)果及分析123
5.4本章小結(jié)125
第6章 電子商務(wù)協(xié)同過(guò)濾系統(tǒng)ECRec的設(shè)計(jì)與實(shí)現(xiàn)126
6.1ECRec的設(shè)計(jì)127
6.1.1系統(tǒng)架構(gòu)設(shè)計(jì)127
6.1.2功能模塊設(shè)計(jì)128
6.1.3系統(tǒng)內(nèi)存處理設(shè)計(jì)132
6.2ECRec的實(shí)現(xiàn)136
6.3本章小結(jié)139
第7章 總結(jié)與展望140
7.1研究工作總結(jié)140
7.2未來(lái)研究展望142
參考文獻(xiàn)144