第一章 电子商务系统概述
第一节 电子商务的产生和发展
一、引言
二、电子商务产生和发展的条件
三、电子商务发展的三个阶段
四、电子商务对社会经济会产生哪些影响
五、电子商务在国内外的发展情况
第二节 相关学科对电子商务的影响
一、计算机学科与电子商务
二、通信学科与电子商务
三、管理学科与电子商务
第三节 电子商务的基本概念
一、电子商务的定义
二、电子商务的硬件工作平台
三、电子商务的软件工作平台
第四节 电子商务与推荐系统
第五节 电子商务推荐现阶段问题
第六节 本书的主要工作
一、本书的研究意义
二、本书的主要内容
三、本书的基本思路与研究方法
第七节 本书的组织结构
第二章 电子商务推荐及其相关技术评析
第一节 电子商务推荐系统
一、电子商务推荐系统及构成
二、电子商务个性化推荐系统的作用
三、电子商务个性化推荐系统的研究内容
四、推荐典型案例
第二节 国内外研究现状
一、基础评价数据的完整性研究现状
二、推荐方法研究现状
三、计算复杂度研究现状
第三节 基于内容的推荐
一、基于内容推荐基本思想
二、基于内容推荐过程
第四节 协同过滤推荐
一、协同过滤技术分类
二、基于用户的协同过滤
三、基于项目的协同过滤
四、协同过滤推荐技术的优缺点
第五节 混合推荐
第六节 基于关联规则的推荐
第七节 web数据挖掘与电子商务推荐
一、隐性数据挖掘
二、隐性评价数据的处理
第八节 其他推荐方法
第九节 推荐相关技术评析
第三章 基于Vaglle集理论的产品分类树
第一节 VagIJe集相关理论介绍
一、Vague集相关理论产生背景
二、Vague集理论的基本思想
三、Vague集理论与电子商务推荐
第二节 产品特征的提取与表示
一、产品特征的提取
二、项目特征的Vague值表示
第三节 相似产品聚类
一、常用聚类算法比较
二、聚类原理与过程
第四节 生成产品分类树
一、客户兴趣与种子类
二、产品分类树的生成
三、种子类的预设
第五节 项目分类结构图
第四章 神经网络聚类与预测补值处理
第一节 神经网络基本原理
一、神经网络发展历史
二、神经网络特征
三、神经网络基本内容
四、发展趋势与应用
第二节 SOM与RBF的聚类与预测
第三节 SOM神经网络的相似用户聚类：SOM聚类算法
一、自组织神经网络基本原理
二、自组织映射网络的拓扑结构
三、SOM权值的调整域
四、SOM网络运行原理
五、SOM学习方法
第四节 利用SOM对评价矩阵进行预聚类
一、SOM聚类过程
二、Matlab实现
第五节 RBF神经网络预测补值
一、RBF神经网络
二、网络的训练与设计
第六节 RBF神经网络预测补值处理
一、RBF神经网络预测补值过程
二、Matlab实验及分析
第五章 协同过滤聚类及推荐的实施
第一节 相似用户的聚类：利用K一均值聚类算法对种子类内相似用户聚类
第二节 推荐的实施
一、本书推荐实施的流程
二、鉴定最积极与最消极邻居
三、关联规则挖掘
四、推荐结果集的生成
第六章 推荐质量实验分析及评价
第一节 实验度量指标
一、召回率与精度
二、F一相关检测、MAE一平均绝对误差
三、实验方案
第二节 实验过程
一、实验基本内容
二、MAE一平均绝对误差分析
三、计算复杂度分析
第七章 结论与展望
第一节 本书主要内容
一、研究网络环境下顾客购物偏好的表示与识别
二、构造协同过滤推荐与关联规则相结合的混合推荐模型
三、针对因数据计算复杂所引起的推荐实时性差问题提出改进机制
第二节 本书创新点
第三节 展望
参考文献
后记
展开
