时间:2023-03-16 07:30:02 | 来源:电子商务
时间:2023-03-16 07:30:02 来源:电子商务
封面 声明 目录 摘要 英文摘要 1绪论 1.1研究背景 1.2国内外研究现状 1.2.1国外研究现状 1.2.2国内研究现状 1.2.3面临的挑战 1.3本文研究内容 2相关理论与关键技术 2.1.1概念 2.1.2基本架构 2.1.3类型 2.2关键技术 2.2.1 JSP技术简介 2.2.2 B/S架构简介 2.2.3用户兴趣建模 2.2.4关联规则 2.2.5基于内容的过滤 2.2.6协同过滤 2.2.7数据库开发技术 3系统需求分析 3.1设计目标 3.2.1功能概述 3.2.2功能分析 3.2.3推荐流程 3.3.1个性化信息获取及隐私保护 3.3.2界面需求及说明 4基于个性推荐的电子商务网站系统设计 4.1.1技术架构 4.1.2系统的逻辑结构 4.2功能结构设计 4.2.1数据采集模块 4.2.2推荐引擎 4.2.3推荐结果处理模块 4.2.4用户交互模块 4.2.5系统管理模块 4.3推荐算法设计 4.3.1商品内容相似度计算算法 4.3.2用户偏好推荐算法 4.3.3广义的推荐 4.4数据库设计 4.4.1概念数据模型 4.4.2物理数据模型 4.5数据表设计 5基于个性化推荐的电子商务网站系统的实现 5.1硬件环境 5.2基础功能实现 5.3.1数据收集模块 5.3.2推荐结果处理模块 5.3.3用户交互模块 5.3.4系统管理模块 5.4系统搭建 5.4.1接口调用流程图 5.4.2推荐服务接口 5.4.3关键代码实现 5.5系统测试 5.5.1测试目的 5.5.2测试方法 5.5.3测试结果 6结论 6.1本文的主要工作 6.2未来的工作 参考文献 致谢
著录项 封面 声明 致谢 摘要 英文摘要 序言 目录 1 引言 1.1 项目背景及意义 1.2 国内外发展现状和发展趋势 1.3 论文主要工作 1.4 论文内容和结构框架 1.5 本章小结 2 相关技术介绍 2.1 协同过滤推荐算法介绍 2.1.1 基于用户的协同过滤算法 2.1.2 基于物品的协同过滤算法 2.1.3 UserCF与ItemCF的比较 2.2 LAMP架构 2.3 MVC设计模式 2.4 Redis数据库 2.5 本章小结 3 系统需求分析 3.1 网站概述 3.2 网站管理子系统 3.2.1 用户管理用例分析 3.2.2 商品管理用例分析 3.2.3 订单管理用例分析 3.2.4 个人中心管理用例分析 3.3 日志采集子系统 3.3.1 用户行为分析 3.3.2 日志采集子系统用例分析 3.4 推荐子系统 3.4.1 用户相似度计算分析 3.4.2 推荐子系统用例分析 3.5 非功能需求 3.6 本章小结 4 系统概要设计 4.1 系统架构设计 4.2 网站管理子系统设计 4.2.1 架构设计 4.2.2 结构设计 4.2.3 数据库设计 4.3 日志子系统设计 4.3.1 结构设计 4.3.2 数据库设计 4.4 推荐子系统设计 4.4.1 架构设计 4.4.2 结构设计 4.4.3 用户偏好模型分析 4.5 本章小结 5 系统详细设计与实现 5.1 网站管理子系统的设计与实现 5.1.1 配置文件 5.1.2 用户管理模块 5.1.3 商品管理模块 5.1.4 订单管理模块 5.1.5 个人中心模块 5.1.6 其他功能模块 5.2 日志采集子系统的设计与实现 5.2.1 日志采集模块 5.2.2 日志管理模块 5.2.3 日志统计模块 5.3 推荐子系统的设计与实现 5.3.1 推荐系统冷启动问题 5.3.2 用户相似度计算流程 5.3.3 基于用户的协同过滤推荐流程 5.3.4 推荐算法模块实现 5.3.5 消息缓存机制的设计与实现 5.4 本章小结 6 系统测试 6.1 功能性测试 6.2 推荐算法测试 6.3 性能测试 6.4 本章小结 7 结论与展望 7.1 全文总结 7.2 不足与展望 参考文献 作者简历及攻读硕士/博士学位期间取得的研究成果 学位论文数据集
著录项 第一个书签之前 摘要 Abstract 目录 第一章 绪论 1.1背景和意义 1.2研究现状 1.2.1推荐系统研究现状 1.2.2协同过滤研究现状 1.2.3面临的问题? ? 1.3研究内容 ? 1.4论文的组织结构 第二章 推荐算法及其相关技术 2.1推荐算法介绍 2.1.1基于内容的推荐算法 2.1.2协同过滤算法 2.1.3推荐算法优缺点比较 2.2相似度比较与选择 2.3聚类算法介绍 2.3.1二分K均值聚类算法 2.3.2DBSCAN聚类算法 2.3.3聚类算法优缺点比较 2.4Mahout介绍 2.5本章小结 第三章 导购推荐系统的需求分析与设计 3.1需求分析 3.1.1功能需求分析 3.1.2性能需求分析 3.2总体设计 3.3详细设计 3.3.1数据收集模块设计 3.3.2行为量化模块设计 3.3.3个性化推荐模块设计 3.3.4热门推荐模块设计 3.4本章小结 第四章 基于用户聚类的个性化导购推荐算法 4.1导购网站个性化特点分析 4.1.1商品内容结构分析 4.1.2用户量与商品量分析 4.1.3协同过滤算法的选择? ? 4.2基于用户聚类的个性化导购推荐算法 4.2.1商品类别筛选 4.2.2矩阵填充 4.2.3用户聚类 4.2.4生成推荐 4.3本章小结 第五章 导购推荐系统的实现 5.1数据收集模块实现 5.2行为量化模块实现 5.3个性化推荐模块实现 5.4热门推荐模块实现 5.5本章小结 第六章 系统测试与结果分析 6.1实验环境 6.2性能指标 6.2.1聚类算法性能指标 6.2.2推荐算法性能指标 6.3性能测试与结果分析 6.3.1聚类性能测试与结果分析 6.3.2推荐性能测试与结果分析 6.4界面效果演示 6.5本章小结 第七章 总结与展望 7.1总结 7.2展望 参考文献 致谢 在校期间发表论文和成果
著录项 封面 声明 摘要 英文摘要 目录 1.绪论 1.1 研究背景及意义 1.2 国内外现状 1.3 主要研究内容 1.4 论文的章节安排 1.5 本章小节 2.1 室内定位技术 2.2 传感器定位原理 2.3 本章小结 3.系统需求分析与系统设计 3.1 业务目标 3.2 系统需求分析 3.2.1 系统网络结构分析 3.2.1 商品管理 3.2.3 用户管理 3.2.4 室外导航 3.2.5 室内导航 3.3 系统性能需求 3.4 系统可行性分析 3.5 系统总体设计 3.6 系统详细设计 3.6.1 系统功能设计 3.6.2 系统E-R图 3.6.3 系统数据库设计 3.7 个性化推荐引擎设计 3.7.1 协同过滤的推荐算法 3.7.2 推荐引擎总体设计 3.8 本章小结 4.室内定位方法与导航算法研究 4.1 室内定位 4.1.1 室内地图绘制 4.1.2 室内地图信息填充 4.1.3 位置匹配 4.2 室内导航 4.2.2 改进的A*算法 4.3 本章小结 5.个性化超市购物系统实现 5.1 基于Spark推荐引擎实现 5.1.1 基于用户协同过滤推荐算法的实现 5.1.2 基于商品协同过滤推荐算法实现 5.2 系统功能实现 5.2.1 用户管理 5.2.2 室内导航 5.2.3 室外导航 5.2.4 商品查询 5.3 系统测试 5.3.1 测试方法 5.3.2 测试准备 5.3.3 测试步骤 5.3.2 测试结论 5.4 本章小结 6.1 结果 6.2 展望 6.3 结论 参考文献 攻读硕士学位期间发表的论文及所取得的研究成果 致谢
著录项关键词:文献,论文,毕业,导航,个性