第1章 绪论 1
1.1 问题的提出 1
1.2 研究目的与意义 4
1.3 电子商务推荐系统概述 6
1.3.1 定义及任务 6
1.3.2 用户偏好数据 7
1.3.3 相关推荐技术 9
1.4 国内外研究现状 15
1.4.1 协同过滤的起源和发展 15
1.4.2 协同过滤的瓶颈问题 22
1.4.3 稀疏性问题研究现状 24
1.4.4 可扩展性问题研究现状 33
1.5 研究内容与结构安排 43
第2章 传统协同过滤及其评价方法 45
2.1 基于用户的协同过滤 45
2.1.1 表示 46
2.1.2 邻居用户形成 46
2.1.3 推荐生成 49
2.2 基于项目的协同过滤 51
2.2.1 邻居项目形成 51
2.2.2 推荐生成 55
2.3 推荐质量评价方法 56
2.3.1 评价标准 56
2.3.2 实验数据集 59
2.3.3 实验方案 60
2.4 本章小结 60
第3章 面向KNN法的稀疏性缓解理论研究 61
3.1 相关工作分析 61
3.2 非目标用户类型区分理论 62
3.3 基于领域最近邻理论的KNN法 64
3.3.1 领域最近邻理论 64
3.3.2 基于领域最近邻的KNN法描述 67
3.3.3 实验结果及分析 69
3.4 基于Rough集理论的KNN法 73
3.4.1 基于Rough集理论的未评分项填补方法 73
3.4.2 基于Rough集理论的KNN法描述 78
3.4.3 实验结果及分析 79
3.5 本章小结 87
第4章 基于用户访问项序的冷启动消除方法研究 88
4.1 相关工作分析 88
4.2 用户访问项序理论 90
4.2.1 用户访问项序的获取 90
4.2.2 n序访问解析逻辑 93
4.2.3 用户访问项序的相似性计算方法 95
4.3 基于访问项序最近邻的top-N推荐 99
4.4 基于Markov链模型的商品导航推荐 101
4.4.1 Markov链与概率转移矩阵 101
4.4.2 用户访问项序的Markov链模型 104
4.4.3 模型的训练方法 105
4.5 实验结果及分析 106
4.5.1 实验环境、数据集及评价标准 106
4.5.2 实验结果及分析 107
4.6 本章小结 109
第5章 面向可扩展性的增量更新机制研究 110
5.1 相关工作分析 110
5.2 项目相似性增量更新机制 111
5.2.1 增量更新机制的基本思想 112
5.2.2 独立因子的增量值计算方法 113
5.2.3 计算复杂度分析 118
5.2.4 增量更新流程分析 120
5.3 实验结果及分析 121
5.3.1 实验环境、数据集及评价标准 121
5.3.2 实验结果及分析 123
5.4 本章小结 125
第6章 电子商务协同过滤系统ECRec的设计与实现 126
6.1 ECRec的设计 127
6.1.1 系统架构设计 127
6.1.2 功能模块设计 128
6.1.3 系统内存处理设计 132
6.2 ECRec的实现 136
6.3 本章小结 139
第7章 总结与展望 140
7.1 研究工作总结 140
7.2 未来研究展望 142
参考文献 144