《電子商務推薦相關技術分析及其改進機制》從電子商務協(xié)同過濾推薦質量與推薦效率目前遇到的問題出發(fā),從保證基礎評價數(shù)據(jù)的完整性、推薦方法的準確性、計算復雜度的適宜性三個角度去分析電子商務協(xié)同過濾推薦系統(tǒng),指出協(xié)同過濾推薦系統(tǒng)瓶頸的產(chǎn)生原因,并提出了改進機制。
薛福亮,1978年9月生,山東臨沂人,系天津財經(jīng)大學商學院電子商務專業(yè)教師,天津大學管理學博士。主要研究方向:電子商務推薦、數(shù)據(jù)挖掘。2009年9月-2010年3月赴美國加州大學富樂敦分校做高級訪問學者。曾獲天津市優(yōu)秀青年教師、天津市“131人才工程”第三層次人選、“天津財經(jīng)大學十佳青年教師”等稱號。近年來在核心期刊發(fā)表論文...
第一章 電子商務系統(tǒng)概述
第一節(jié) 電子商務的產(chǎn)生和發(fā)展
一、引言
二、電子商務產(chǎn)生和發(fā)展的條件
三、電子商務發(fā)展的三個階段
四、電子商務對社會經(jīng)濟會產(chǎn)生哪些影響
五、電子商務在國內外的發(fā)展情況
第二節(jié) 相關學科對電子商務的影響
一、計算機學科與電子商務
二、通信學科與電子商務
三、管理學科與電子商務
第三節(jié) 電子商務的基本概念
一、電子商務的定義
二、電子商務的硬件工作平臺
三、電子商務的軟件工作平臺
第四節(jié) 電子商務與推薦系統(tǒng)
第五節(jié) 電子商務推薦現(xiàn)階段問題
第六節(jié) 本書的主要工作
一、本書的研究意義
二、本書的主要內容
三、本書的基本思路與研究方法
第七節(jié) 本書的組織結構
第二章 電子商務推薦及其相關技術評析
第一節(jié) 電子商務推薦系統(tǒng)
一、電子商務推薦系統(tǒng)及構成
二、電子商務個性化推薦系統(tǒng)的作用
三、電子商務個性化推薦系統(tǒng)的研究內容
四、推薦典型案例
第二節(jié) 國內外研究現(xiàn)狀
一、基礎評價數(shù)據(jù)的完整性研究現(xiàn)狀
二、推薦方法研究現(xiàn)狀
三、計算復雜度研究現(xiàn)狀
第三節(jié) 基于內容的推薦
一、基于內容推薦基本思想
二、基于內容推薦過程
第四節(jié) 協(xié)同過濾推薦
一、協(xié)同過濾技術分類
二、基于用戶的協(xié)同過濾
三、基于項目的協(xié)同過濾
四、協(xié)同過濾推薦技術的優(yōu)缺點
第五節(jié) 混合推薦
第六節(jié) 基于關聯(lián)規(guī)則的推薦
第七節(jié) web數(shù)據(jù)挖掘與電子商務推薦
一、隱性數(shù)據(jù)挖掘
二、隱性評價數(shù)據(jù)的處理
第八節(jié) 其他推薦方法
第九節(jié) 推薦相關技術評析
第三章 基于Vaglle集理論的產(chǎn)品分類樹
第一節(jié) VagIJe集相關理論介紹
一、Vague集相關理論產(chǎn)生背景
二、Vague集理論的基本思想
三、Vague集理論與電子商務推薦
第二節(jié) 產(chǎn)品特征的提取與表示
一、產(chǎn)品特征的提取
二、項目特征的Vague值表示
第三節(jié) 相似產(chǎn)品聚類
一、常用聚類算法比較
二、聚類原理與過程
第四節(jié) 生成產(chǎn)品分類樹
一、客戶興趣與種子類
二、產(chǎn)品分類樹的生成
三、種子類的預設
第五節(jié) 項目分類結構圖
第四章 神經(jīng)網(wǎng)絡聚類與預測補值處理
第一節(jié) 神經(jīng)網(wǎng)絡基本原理
一、神經(jīng)網(wǎng)絡發(fā)展歷史
二、神經(jīng)網(wǎng)絡特征
三、神經(jīng)網(wǎng)絡基本內容
四、發(fā)展趨勢與應用
第二節(jié) SOM與RBF的聚類與預測
第三節(jié) SOM神經(jīng)網(wǎng)絡的相似用戶聚類:SOM聚類算法
一、自組織神經(jīng)網(wǎng)絡基本原理
二、自組織映射網(wǎng)絡的拓撲結構
三、SOM權值的調整域
四、SOM網(wǎng)絡運行原理
五、SOM學習方法
第四節(jié) 利用SOM對評價矩陣進行預聚類
一、SOM聚類過程
二、Matlab實現(xiàn)
第五節(jié) RBF神經(jīng)網(wǎng)絡預測補值
一、RBF神經(jīng)網(wǎng)絡
二、網(wǎng)絡的訓練與設計
第六節(jié) RBF神經(jīng)網(wǎng)絡預測補值處理
一、RBF神經(jīng)網(wǎng)絡預測補值過程
二、Matlab實驗及分析
第五章 協(xié)同過濾聚類及推薦的實施
第一節(jié) 相似用戶的聚類:利用K一均值聚類算法對種子類內相似用戶聚類
第二節(jié) 推薦的實施
一、本書推薦實施的流程
二、鑒定最積極與最消極鄰居
三、關聯(lián)規(guī)則挖掘
四、推薦結果集的生成
第六章 推薦質量實驗分析及評價
第一節(jié) 實驗度量指標
一、召回率與精度
二、F一相關檢測、MAE一平均絕對誤差
三、實驗方案
第二節(jié) 實驗過程
一、實驗基本內容
二、MAE一平均絕對誤差分析
三、計算復雜度分析
第七章 結論與展望
第一節(jié) 本書主要內容
一、研究網(wǎng)絡環(huán)境下顧客購物偏好的表示與識別
二、構造協(xié)同過濾推薦與關聯(lián)規(guī)則相結合的混合推薦模型
三、針對因數(shù)據(jù)計算復雜所引起的推薦實時性差問題提出改進機制
第二節(jié) 本書創(chuàng)新點
第三節(jié) 展望
參考文獻
后記